/ Модель

Характеристики

Контекст
163 840 токенов
Параметры
1 млн
Размер весов
9,9 МБ
Архитектура
deepseek_v3 · dense
Базовая модель
DeepSeek-V3.1
Библиотека
transformers
Опубликована
20 авг 2025

deepseek-v3.1-tiny-random

Генерация текстаТекст → текст3 профессии

Случайно инициализированная миниатюрная версия архитектуры DeepSeek-V3.1 для отладки и тестирования инференса.

628скачиваний за 30 дней0лайковвеса обновлены22 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

yujiepan/deepseek-v3.1-tiny-random — небольшая модель для генерации текста, созданная на основе конфигурации DeepSeek-V3.1 от DeepSeek AI. Модель имеет архитектуру DeepSeek-V3 с двумя скрытыми слоями, уменьшенными размерностями и примерно 1 млн параметров; она предназначена прежде всего для отладки и тестирования совместимости реализаций, а не для качественной генерации текста. Модель поддерживается библиотекой Transformers и рассчитана на контекст до 163840 токенов.

Весовые параметры модели инициализированы случайно, поэтому она не обладает полезными знаниями и не должна использоваться для прикладных задач, ответов на вопросы или содержательной генерации. Она может быть полезна разработчикам для проверки загрузки модели, архитектуры, инференса, работы vLLM и Transformers, а также экспериментирования с кодом и кэшированием. Сведения о лицензии в предоставленных данных отсутствуют.

Сценарии применения

  • отладка загрузки моделей DeepSeek-V3
  • тестирование пайплайна text generation
  • проверка совместимости Transformers
  • проверка инференса через vLLM
  • эксперименты с архитектурой и кэшированием

Ограничения

Модель случайно инициализирована и не обучена, поэтому не предназначена для качественной генерации текста или прикладного использования. Лицензия в предоставленных данных не указана.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

This tiny model is for debugging. It is randomly initialized with the config adapted from deepseek-ai/DeepSeek-V3.1.

Example usage:

  • vLLM
python -m vllm.entrypoints.openai.api_server \
    --tensor-parallel-size 2 \
    --model yujiepan/deepseek-v3.1-tiny-random \
    --trust-remote-code \
    --speculative-config='{"method": "deepseek_mtp", "num_speculative_tokens": 1}' 
  • Transformers
import torch
import transformers

model_id = "yujiepan/deepseek-v3.1-tiny-random"
pipe = transformers.pipelines.pipeline(
    'text-generation',
    model=model_id,
    trust_remote_code=True,
    device_map='cuda',
    torch_dtype=torch.bfloat16,
)
r = pipe.model(torch.tensor([[1, 2, 3]], dtype=torch.int64).cuda(), attention_mask=None, use_cache=False)
print(r)

Codes to create this repo:

import json
from copy import deepcopy
from pathlib import Path

import accelerate
import torch
import torch.nn as nn
from huggingface_hub import file_exists, hf_hub_download
from transformers import (
    AutoConfig,
    AutoModelForCausalLM,
    AutoProcessor,
    AutoTokenizer,
    GenerationConfig,
    set_seed,
)
from transformers.models.glm4_moe.modeling_glm4_moe import Glm4MoeRMSNorm
source_model_id = "deepseek-ai/DeepSeek-V3.1"
save_folder = "/tmp/yujiepan/deepseek-v3.1-tiny-random"

Path(save_folder).mkdir(parents=True, exist_ok=True)
tokenizer = AutoTokenizer.from_pretrained(source_model_id, trust_remote_code=True)
tokenizer.save_pretrained(save_folder)

with open(hf_hub_download(source_model_id, filename='config.json', repo_type='model', cache_dir='/tmp/'), 'r', encoding='utf-8') as f:
    config_json = json.load(f)
for k, v in config_json['auto_map'].items():
    config_json['auto_map'][k] = f'{source_model_id}--{v}'
config_json.update({
    'first_k_dense_replace': 1,
    'num_hidden_layers': 2,
    'hidden_size': 8,
    'intermediate_size': 64,
    'kv_lora_rank': 384,
    'moe_intermediate_size': 64,
    'n_routed_experts': 32,
    'n_shared_experts': 1,
    'num_attention_heads': 4,
    'num_experts_per_tok': 8,
    'num_key_value_heads': 4,
    'q_lora_rank': 32,
    'qk_nope_head_dim': 64,
    'qk_rope_head_dim': 192,  # vllm mla kernel supports 576 only, FA supports head dim <= 256
    'v_head_dim': 64,
    'tie_word_embeddings': False,
})
del config_json['quantization_config']
with open(f"{save_folder}/config.json", "w", encoding='utf-8') as f:
    json.dump(config_json, f, indent=2)

config = AutoConfig.from_pretrained(
    save_folder,
    trust_remote_code=True,
)
print(config)
torch.set_default_dtype(torch.bfloat16)
model = AutoModelForCausalLM.from_config(config, trust_remote_code=True)

if file_exists(filename="generation_config.json", repo_id=source_model_id, repo_type='model'):
    model.generation_config = GenerationConfig.from_pretrained(
        source_model_id, trust_remote_code=True,
    )

class SharedHead(nn.Module):
    def __init__(self, config) -> None:
        super().__init__()
        from transformers.models.glm4_moe.modeling_glm4_moe import Glm4MoeRMSNorm
        self.norm = Glm4MoeRMSNorm(config.hidden_size, eps=config.rms_norm_eps)

last_extra_layer = model.model.layers[0].__class__(config, layer_idx=config.num_hidden_layers)
last_extra_layer.enorm = Glm4MoeRMSNorm(config.hidden_size, eps=config.rms_norm_eps)
last_extra_layer.hnorm = Glm4MoeRMSNorm(config.hidden_size, eps=config.rms_norm_eps)
last_extra_layer.eh_proj = nn.Linear(config.hidden_size * 2, config.hidden_size, bias=False)
last_extra_layer.shared_head = SharedHead(config=config)
model.model.layers.append(last_extra_layer)

torch.set_default_dtype(torch.float32)
set_seed(42)
model = model.cpu()  # cpu is more stable for random initialization across machines
with torch.no_grad():
    for name, p in sorted(model.named_parameters()):
        torch.nn.init.normal_(p, 0, 0.1)
        print(name, p.shape)

last_extra_layer.shared_head.head = deepcopy(model.get_output_embeddings())
last_extra_layer.embed_tokens = deepcopy(model.get_input_embeddings())
model.save_pretrained(save_folder)
with open(f"{save_folder}/config.json", "r", encoding='utf-8') as f:
    config_json = json.load(f)
    config_json['auto_map'] = {k: v.split('--')[-1] for k, v in config_json['auto_map'].items()}
with open(f"{save_folder}/config.json", "w", encoding='utf-8') as f:
    json.dump(config_json, f, indent=2)
hf_hub_download(source_model_id, filename='modeling_deepseek.py', repo_type='model',
                local_dir=save_folder, local_dir_use_symlinks=False, cache_dir='/tmp/')
with open(f'{save_folder}/modeling_deepseek.py', 'r', encoding='utf-8') as f:
    codes = f.read()
codes = codes.replace(
    "past_length = past_key_values.seen_tokens",
    "past_length = past_key_values.seen_tokens if hasattr(past_key_values, 'seen_tokens') else past_key_values.get_seq_length() # fix cache api deprecation"
)
codes = codes.replace(
    "max_cache_length = past_key_values.get_max_length()",
    "max_cache_length = past_key_values.get_max_length() if hasattr(past_key_values, 'get_max_length') else past_key_values.get_max_cache_shape() # fix cache api deprecation"
)
codes = codes.replace(
    "past_key_value.get_usable_length(",
    "getattr(past_key_value, 'get_usable_length', lambda *args, **kwargs: past_key_value.get_seq_length())("
)
codes = codes.replace(
    "past_key_values.get_usable_length(",
    "getattr(past_key_values, 'get_usable_length', lambda *args, **kwargs: past_key_values.get_seq_length())("
)
with open(f'{save_folder}/modeling_deepseek.py', 'w', encoding='utf-8') as f:
    f.write(codes)

Printing the model:

DeepseekV3ForCausalLM(
  (model): DeepseekV3Model(
    (embed_tokens): Embedding(129280, 8)
    (layers): ModuleList(
      (0): DeepseekV3DecoderLayer(
        (self_attn): DeepseekV3Attention(
          (q_a_proj): Linear(in_features=8, out_features=32, bias=False)
          (q_a_layernorm): DeepseekV3RMSNorm()
          (q_b_proj): Linear(in_features=32, out_features=1024, bias=False)
          (kv_a_proj_with_mqa): Linear(in_features=8, out_features=576, bias=False)
          (kv_a_layernorm): DeepseekV3RMSNorm()
          (kv_b_proj): Linear(in_features=384, out_features=512, bias=False)
          (o_proj): Linear(in_features=256, out_features=8, bias=False)
          (rotary_emb): DeepseekV3YarnRotaryEmbedding()
        )
        (mlp): DeepseekV3MLP(
          (gate_proj): Linear(in_features=8, out_features=64, bias=False)
          (up_proj): Linear(in_features=8, out_features=64, bias=False)
          (down_proj): Linear(in_features=64, out_features=8, bias=False)
          (act_fn): SiLU()
        )
        (input_layernorm): DeepseekV3RMSNorm()
        (post_attention_layernorm): DeepseekV3RMSNorm()
      )
      (1): DeepseekV3DecoderLayer(
        (self_attn): DeepseekV3Attention(
          (q_a_proj): Linear(in_features=8, out_features=32, bias=False)
          (q_a_layernorm): DeepseekV3RMSNorm()
          (q_b_proj): Linear(in_features=32, out_features=1024, bias=False)
          (kv_a_proj_with_mqa): Linear(in_features=8, out_features=576, bias=False)
          (kv_a_layernorm): DeepseekV3RMSNorm()
          (kv_b_proj): Linear(in_features=384, out_features=512, bias=False)
          (o_proj): Linear(in_features=256, out_features=8, bias=False)
          (rotary_emb): DeepseekV3YarnRotaryEmbedding()
        )
        (mlp): DeepseekV3MoE(
          (experts): ModuleList(
            (0-31): 32 x DeepseekV3MLP(
              (gate_proj): Linear(in_features=8, out_features=64, bias=False)
              (up_proj): Linear(in_features=8, out_features=64, bias=False)
              (down_proj): Linear(in_features=64, out_features=8, bias=False)
              (act_fn): SiLU()
            )
          )
          (gate): MoEGate()
          (shared_experts): DeepseekV3MLP(
            (gate_proj): Linear(in_features=8, out_features=64, bias=False)
            (up_proj): Linear(in_features=8, out_features=64, bias=False)
            (down_proj): Linear(in_features=64, out_features=8, bias=False)
            (act_fn): SiLU()
          )
        )
        (input_layernorm): DeepseekV3RMSNorm()
        (post_attention_layernorm): DeepseekV3RMSNorm()
      )
      (2): DeepseekV3DecoderLayer(
        (self_attn): DeepseekV3Attention(
          (q_a_proj): Linear(in_features=8, out_features=32, bias=False)
          (q_a_layernorm): DeepseekV3RMSNorm()
          (q_b_proj): Linear(in_features=32, out_features=1024, bias=False)
          (kv_a_proj_with_mqa): Linear(in_features=8, out_features=576, bias=False)
          (kv_a_layernorm): DeepseekV3RMSNorm()
          (kv_b_proj): Linear(in_features=384, out_features=512, bias=False)
          (o_proj): Linear(in_features=256, out_features=8, bias=False)
          (rotary_emb): DeepseekV3YarnRotaryEmbedding()
        )
        (mlp): DeepseekV3MoE(
          (experts): ModuleList(
            (0-31): 32 x DeepseekV3MLP(
              (gate_proj): Linear(in_features=8, out_features=64, bias=False)
              (up_proj): Linear(in_features=8, out_features=64, bias=False)
              (down_proj): Linear(in_features=64, out_features=8, bias=False)
              (act_fn): SiLU()
            )
          )
          (gate): MoEGate()
          (shared_experts): DeepseekV3MLP(
            (gate_proj): Linear(in_features=8, out_features=64, bias=False)
            (up_proj): Linear(in_features=8, out_features=64, bias=False)
            (down_proj): Linear(in_features=64, out_features=8, bias=False)
            (act_fn): SiLU()
          )
        )
        (input_layernorm): DeepseekV3RMSNorm()
        (post_attention_layernorm): DeepseekV3RMSNorm()
        (enorm): Glm4MoeRMSNorm((8,), eps=1e-06)
        (hnorm): Glm4MoeRMSNorm((8,), eps=1e-06)
        (eh_proj): Linear(in_features=16, out_features=8, bias=False)
        (shared_head): SharedHead(
          (norm): Glm4MoeRMSNorm((8,), eps=1e-06)
          (head): Linear(in_features=8, out_features=129280, bias=False)
        )
        (embed_tokens): Embedding(129280, 8)
      )
    )
    (norm): DeepseekV3RMSNorm()
  )
  (lm_head): Linear(in_features=8, out_features=129280, bias=False)
)

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV3ForCausalLM
Ревизия весов
d3186cb

0 моделей