/ Модель

Характеристики

Контекст
202 752 токена
Параметры
1,2 млн
Размер весов
11,6 МБ
Архитектура
glm4_moe_lite · dense
Базовая модель
GLM-4.7-Flash
Библиотека
transformers
Опубликована
20 янв 2026

glm-4.7-flash-tiny-random

Генерация текстаТекст → текст3 профессии

Миниатюрная случайно инициализированная GLM4 MoE Lite-модель для отладки загрузки, инференса и speculative decoding.

460скачиваний за 30 дней0лайковвеса обновлены20 янв 2026

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/glm-4.7-flash-tiny-random — миниатюрная отладочная causal language model, созданная сообществом на основе конфигурации GLM-4.7-Flash от Z.ai. Модель случайно инициализирована и предназначена прежде всего для проверки совместимости архитектуры, загрузки и механизмов инференса, а не для получения качественных текстовых ответов.

Модель использует архитектуру GLM4 MoE Lite и библиотеку Transformers. Она содержит около 1,2 млн параметров, поддерживает текстовую генерацию и имеет нативное контекстное окно до 202752 токенов. В README также заявлена поддержка multi-token prediction и интеграция с vLLM, SGLang и Transformers.

Модель удобна для отладки пайплайнов, тестирования загрузки конфигурации, speculative decoding и интеграции инструментов. Из-за случайной инициализации она не обладает практическими языковыми способностями и не предназначена для продуктивной генерации. Лицензия в доступных данных не указана.

Сценарии применения

  • отладка загрузки GLM-архитектуры
  • тестирование текстовой генерации в Transformers
  • проверка speculative decoding в vLLM
  • проверка speculative decoding в SGLang
  • тестирование интеграции инструментального вызова
  • разработка и отладка инференсного пайплайна

Ограничения

Модель случайно инициализирована, поэтому не предназначена для качественных ответов, прикладной генерации или использования в продакшене. Лицензия и поддерживаемые естественные языки в доступных данных не указаны.

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 intended for debugging. It is randomly initialized using the configuration adapted from zai-org/GLM-4.7-Flash.

Example usage:

  • vLLM
# Multi-token prediction is supported
model_id=yujiepan/glm-4.7-flash-tiny-random
vllm serve $model_id \
     --tensor-parallel-size 2 \
     --speculative-config.method mtp \
     --speculative-config.num_speculative_tokens 1 \
     --tool-call-parser glm47 \
     --reasoning-parser glm45 \
     --enable-auto-tool-choice
  • SGLang
# Multi-token prediction is supported
model_id=yujiepan/glm-4.7-flash-tiny-random
python3 -m sglang.launch_server   --model-path $model_id   --tp-size 2 \
  --tool-call-parser glm47  \
  --reasoning-parser glm45 \
  --speculative-algorithm EAGLE \
  --speculative-num-steps 3 \
  --speculative-eagle-topk 1 \
  --speculative-num-draft-tokens 4
  • Transformers
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

# Load model and tokenizer
model_id = "yujiepan/glm-4.7-flash-tiny-random"
messages = [{"role": "user", "content": "hello"}]
tokenizer = AutoTokenizer.from_pretrained(model_id)
inputs = tokenizer.apply_chat_template(
    messages,
    tokenize=True,
    add_generation_prompt=True,
    return_dict=True,
    return_tensors="pt",
)
model = AutoModelForCausalLM.from_pretrained(
    pretrained_model_name_or_path=model_id,
    torch_dtype=torch.bfloat16,
    device_map="cuda",
)
inputs = inputs.to(model.device)
generated_ids = model.generate(
    **inputs, max_new_tokens=32, do_sample=False)
output_text = tokenizer.decode(
    generated_ids[0][inputs.input_ids.shape[1]:])
print(output_text)

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,
    GenerationConfig,
    set_seed,
)

source_model_id = "zai-org/GLM-4.7-Flash"
save_folder = "/tmp/yujiepan/glm-4.7-flash-tiny-random"

processor = AutoProcessor.from_pretrained(
    source_model_id, trust_remote_code=True)
processor.save_pretrained(save_folder)

with open(hf_hub_download(source_model_id, filename='config.json', repo_type='model'), 'r', encoding='utf-8') as f:
    config_json = json.load(f)
config_json.update({
    'kv_lora_rank': 384,
    'num_key_value_heads': 1,
    'q_lora_rank': 32,
    'qk_nope_head_dim': 64,
    'qk_rope_head_dim': 192,
    'v_head_dim': 64,
    'num_key_value_heads': 4,
    'num_attention_heads': 4,
})
config_json['hidden_size'] = 8
config_json['intermediate_size'] = 32
config_json['moe_intermediate_size'] = 32
config_json['num_hidden_layers'] = 2
config_json['tie_word_embeddings'] = False
config_json['use_cache'] = True
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)
torch.set_default_dtype(torch.float32)
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,
    )
    model.generation_config.do_sample = True
    print(model.generation_config)
model = model.cpu()
set_seed(42)
with torch.no_grad():
    for name, p in sorted(model.named_parameters()):
        torch.nn.init.normal_(p, 0, 0.1)
        print(name, p.shape)
# MTP
set_seed(42)
model.model.layers.append(nn.ModuleDict(dict(
    embed_tokens=deepcopy(model.model.embed_tokens),
    shared_head=nn.ModuleDict(dict(
        norm=nn.RMSNorm(config.hidden_size),
        head=deepcopy(model.model.embed_tokens),
    )),
    eh_proj=nn.Linear(config.hidden_size * 2,
                      config.hidden_size, bias=False),
    enorm=nn.RMSNorm(config.hidden_size),
    hnorm=nn.RMSNorm(config.hidden_size),
    input_layernorm=nn.RMSNorm(config.hidden_size),
    post_attention_layernorm=nn.RMSNorm(config.hidden_size),
    self_attn=deepcopy(model.model.layers[1].self_attn),
    mlp=deepcopy(model.model.layers[1].mlp),
)))
for i in range(1, len(model.model.layers)):
    model.model.layers[i].mlp.gate.e_score_correction_bias = torch.rand_like(
        model.model.layers[i].mlp.gate.e_score_correction_bias).float()
model.save_pretrained(save_folder)
print(model)

Printing the model:

Glm4MoeLiteForCausalLM(
  (model): Glm4MoeLiteModel(
    (embed_tokens): Embedding(154880, 8, padding_idx=154820)
    (layers): ModuleList(
      (0): Glm4MoeLiteDecoderLayer(
        (self_attn): Glm4MoeLiteAttention(
          (q_a_proj): Linear(in_features=8, out_features=32, bias=False)
          (q_a_layernorm): Glm4MoeLiteRMSNorm((32,), eps=1e-06)
          (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): Glm4MoeLiteRMSNorm((384,), eps=1e-06)
          (kv_b_proj): Linear(in_features=384, out_features=512, bias=False)
          (o_proj): Linear(in_features=256, out_features=8, bias=False)
        )
        (mlp): Glm4MoeLiteMLP(
          (gate_proj): Linear(in_features=8, out_features=32, bias=False)
          (up_proj): Linear(in_features=8, out_features=32, bias=False)
          (down_proj): Linear(in_features=32, out_features=8, bias=False)
          (act_fn): SiLUActivation()
        )
        (input_layernorm): Glm4MoeLiteRMSNorm((8,), eps=1e-05)
        (post_attention_layernorm): Glm4MoeLiteRMSNorm((8,), eps=1e-05)
      )
      (1): Glm4MoeLiteDecoderLayer(
        (self_attn): Glm4MoeLiteAttention(
          (q_a_proj): Linear(in_features=8, out_features=32, bias=False)
          (q_a_layernorm): Glm4MoeLiteRMSNorm((32,), eps=1e-06)
          (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): Glm4MoeLiteRMSNorm((384,), eps=1e-06)
          (kv_b_proj): Linear(in_features=384, out_features=512, bias=False)
          (o_proj): Linear(in_features=256, out_features=8, bias=False)
        )
        (mlp): Glm4MoeLiteMoE(
          (experts): Glm4MoeLiteNaiveMoe(
            (act_fn): SiLUActivation()
          )
          (gate): Glm4MoeLiteTopkRouter()
          (shared_experts): Glm4MoeLiteMLP(
            (gate_proj): Linear(in_features=8, out_features=32, bias=False)
            (up_proj): Linear(in_features=8, out_features=32, bias=False)
            (down_proj): Linear(in_features=32, out_features=8, bias=False)
            (act_fn): SiLUActivation()
          )
        )
        (input_layernorm): Glm4MoeLiteRMSNorm((8,), eps=1e-05)
        (post_attention_layernorm): Glm4MoeLiteRMSNorm((8,), eps=1e-05)
      )
      (2): ModuleDict(
        (embed_tokens): Embedding(154880, 8, padding_idx=154820)
        (shared_head): ModuleDict(
          (norm): RMSNorm((8,), eps=None, elementwise_affine=True)
          (head): Embedding(154880, 8, padding_idx=154820)
        )
        (eh_proj): Linear(in_features=16, out_features=8, bias=False)
        (enorm): RMSNorm((8,), eps=None, elementwise_affine=True)
        (hnorm): RMSNorm((8,), eps=None, elementwise_affine=True)
        (input_layernorm): RMSNorm((8,), eps=None, elementwise_affine=True)
        (post_attention_layernorm): RMSNorm((8,), eps=None, elementwise_affine=True)
        (self_attn): Glm4MoeLiteAttention(
          (q_a_proj): Linear(in_features=8, out_features=32, bias=False)
          (q_a_layernorm): Glm4MoeLiteRMSNorm((32,), eps=1e-06)
          (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): Glm4MoeLiteRMSNorm((384,), eps=1e-06)
          (kv_b_proj): Linear(in_features=384, out_features=512, bias=False)
          (o_proj): Linear(in_features=256, out_features=8, bias=False)
        )
        (mlp): Glm4MoeLiteMoE(
          (experts): Glm4MoeLiteNaiveMoe(
            (act_fn): SiLUActivation()
          )
          (gate): Glm4MoeLiteTopkRouter()
          (shared_experts): Glm4MoeLiteMLP(
            (gate_proj): Linear(in_features=8, out_features=32, bias=False)
            (up_proj): Linear(in_features=8, out_features=32, bias=False)
            (down_proj): Linear(in_features=32, out_features=8, bias=False)
            (act_fn): SiLUActivation()
          )
        )
      )
    )
    (norm): Glm4MoeLiteRMSNorm((8,), eps=1e-05)
    (rotary_emb): Glm4MoeLiteRotaryEmbedding()
  )
  (lm_head): Linear(in_features=8, out_features=154880, 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
Glm4MoeLiteForCausalLM
Ревизия весов
0a2fba1

0 моделей