/ Модель

Характеристики

Контекст
131 072 токена
Параметры
5,3 млн
Размер весов
21,7 МБ
Архитектура
deepseek_v3 · dense
Базовая модель
Kimi-K2-Instruct
Библиотека
transformers
Опубликована
12 июл 2025

kimi-k2-tiny-random

Генерация текстаТекст → текст3 профессии

Экспериментальная случайно инициализированная текстовая модель на конфигурации Kimi-K2 для отладки Transformers и vLLM.

543скачиваний за 30 дней2лайкавеса обновлены22 июл 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/kimi-k2-tiny-random — экспериментальная модель генерации текста, разработанная пользователем yujiepan на основе конфигурации moonshotai/Kimi-K2-Instruct. Модель создана для отладки и имеет архитектуру DeepseekV3ForCausalLM с поддержкой библиотеки Transformers и формата Safetensors.

Модель содержит 5,3 млн параметров и рассчитана на контекст до 131 072 токенов. Она поддерживает текстовую генерацию и может использоваться через Transformers или vLLM, включая conversational-сценарии. Веса модели инициализированы случайно, поэтому она предназначена для проверки загрузки, совместимости конфигурации, токенизатора и инфраструктуры, а не для получения качественных ответов или решения прикладных задач.

Основное ограничение — случайная инициализация параметров: модель не обучена и не обладает практической полезностью как ассистент или языковая модель. README также не содержит сведений о лицензии, поэтому условия лицензирования по предоставленным данным определить нельзя.

Сценарии применения

  • проверка загрузки DeepSeek/Kimi-подобной архитектуры
  • тестирование совместимости Transformers и vLLM
  • отладка токенизатора и генерации текста
  • проверка работы длинного контекста в тестовой среде
  • разработка и тестирование инфраструктуры инференса

Ограничения

Модель случайно инициализирована и не обучена, поэтому не предназначена для качественной генерации текста или прикладного использования. Сведения о лицензии в предоставленных данных отсутствуют.

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 moonshotai/Kimi-K2-Instruct.

Example usage:

  • vLLM
vllm serve yujiepan/kimi-k2-tiny-random --trust-remote-code
  • Transformers
import torch
import transformers

model_id = "yujiepan/kimi-k2-tiny-random"
pipe = transformers.pipelines.pipeline(
    'text-generation',
    model=model_id,
    trust_remote_code=True,
    device_map='cuda',
    torch_dtype=torch.bfloat16,
)
messages = [
    {"role": "system", "content": "You are Kimi, an AI assistant created by Moonshot AI."},
    {"role": "user", "content": [{"type": "text", "text": "Please give a brief self-introduction."}]},
]
print(pipe(messages, max_new_tokens=128, do_sample=True, temperature=0.7, top_p=0.95))

Codes to create this repo:

import json
from pathlib import Path

import accelerate
import torch
from huggingface_hub import file_exists, hf_hub_download
from transformers import (
    AutoConfig,
    AutoModelForCausalLM,
    AutoProcessor,
    AutoTokenizer,
    GenerationConfig,
    set_seed,
)

source_model_id = "moonshotai/Kimi-K2-Instruct"
save_folder = "/tmp/yujiepan/kimi-k2-tiny-random"

Path(save_folder).mkdir(parents=True, exist_ok=True)
with open(hf_hub_download(source_model_id, filename='tokenizer_config.json', repo_type='model'), 'r', encoding='utf-8') as f:
    tokenizer_config_json = json.load(f)
tokenizer_config_json['auto_map']['AutoTokenizer'][0] = f'{source_model_id}--' + \
    tokenizer_config_json["auto_map"]["AutoTokenizer"][0]
with open(f"{save_folder}/tokenizer_config.json", "w", encoding='utf-8') as f:
    json.dump(tokenizer_config_json, f, indent=2)
hf_hub_download(source_model_id, filename='tiktoken.model', repo_type='model',
                local_dir=save_folder, local_dir_use_symlinks=True, cache_dir='/tmp/')

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)
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': 32,
    'intermediate_size': 64,
    'kv_lora_rank': 384,
    'moe_intermediate_size': 64,
    'n_routed_experts': 32,
    'n_shared_experts': 1,
    'num_attention_heads': 1,
    'num_experts_per_tok': 8,
    'num_key_value_heads': 1,
    '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,
})
config_json['rope_scaling']['rope_type'] = 'yarn'
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)
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,
    )
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, 0.2)
        print(name, p.shape)
model.save_pretrained(save_folder)
# print(model)
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)
# for python_file in Path(save_folder).glob('*.py'):
#     python_file.unlink()
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"
)
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(163840, 32)
    (layers): ModuleList(
      (0): DeepseekV3DecoderLayer(
        (self_attn): DeepseekV3Attention(
          (q_a_proj): Linear(in_features=32, out_features=32, bias=False)
          (q_a_layernorm): DeepseekV3RMSNorm()
          (q_b_proj): Linear(in_features=32, out_features=256, bias=False)
          (kv_a_proj_with_mqa): Linear(in_features=32, out_features=576, bias=False)
          (kv_a_layernorm): DeepseekV3RMSNorm()
          (kv_b_proj): Linear(in_features=384, out_features=128, bias=False)
          (o_proj): Linear(in_features=64, out_features=32, bias=False)
          (rotary_emb): DeepseekV3YarnRotaryEmbedding()
        )
        (mlp): DeepseekV3MLP(
          (gate_proj): Linear(in_features=32, out_features=64, bias=False)
          (up_proj): Linear(in_features=32, out_features=64, bias=False)
          (down_proj): Linear(in_features=64, out_features=32, bias=False)
          (act_fn): SiLU()
        )
        (input_layernorm): DeepseekV3RMSNorm()
        (post_attention_layernorm): DeepseekV3RMSNorm()
      )
      (1): DeepseekV3DecoderLayer(
        (self_attn): DeepseekV3Attention(
          (q_a_proj): Linear(in_features=32, out_features=32, bias=False)
          (q_a_layernorm): DeepseekV3RMSNorm()
          (q_b_proj): Linear(in_features=32, out_features=256, bias=False)
          (kv_a_proj_with_mqa): Linear(in_features=32, out_features=576, bias=False)
          (kv_a_layernorm): DeepseekV3RMSNorm()
          (kv_b_proj): Linear(in_features=384, out_features=128, bias=False)
          (o_proj): Linear(in_features=64, out_features=32, bias=False)
          (rotary_emb): DeepseekV3YarnRotaryEmbedding()
        )
        (mlp): DeepseekV3MoE(
          (experts): ModuleList(
            (0-31): 32 x DeepseekV3MLP(
              (gate_proj): Linear(in_features=32, out_features=64, bias=False)
              (up_proj): Linear(in_features=32, out_features=64, bias=False)
              (down_proj): Linear(in_features=64, out_features=32, bias=False)
              (act_fn): SiLU()
            )
          )
          (gate): MoEGate()
          (shared_experts): DeepseekV3MLP(
            (gate_proj): Linear(in_features=32, out_features=64, bias=False)
            (up_proj): Linear(in_features=32, out_features=64, bias=False)
            (down_proj): Linear(in_features=64, out_features=32, bias=False)
            (act_fn): SiLU()
          )
        )
        (input_layernorm): DeepseekV3RMSNorm()
        (post_attention_layernorm): DeepseekV3RMSNorm()
      )
    )
    (norm): DeepseekV3RMSNorm()
  )
  (lm_head): Linear(in_features=32, out_features=163840, 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
f44e293

0 моделей