/ Модель

Характеристики

Контекст
131 072 токена
Параметры
2,5 млрд
Лицензия
MIT
Архитектура
qwen3_moe · MoE
Библиотека
transformers
Опубликована
26 окт 2026

Loopie-20B-A2B-preview

Генерация текстаТекст → текст

Открытая MoE-модель IQuest Research для диалоговой генерации текста с упором на математические и научные рассуждения.

312скачиваний за 30 дней1лайквеса обновлены26 окт 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

Loopie-20B-A2B-preview — открытая модель серии Loopie от IQuest Research, построенная на архитектуре Qwen3 MoE и предназначенная для генерации текста в диалоговом режиме. Версия preview оптимизирована прежде всего для математических и научных рассуждений.

В README модель описана как содержащая 20 млрд параметров всего и около 2 млрд активных параметров в MoE; метаданные указывают 2,5 млрд параметров. Контекст составляет 131 072 токена. Репозиторий содержит веса Safetensors, а для запуска заявлена поддержка Transformers и vLLM. В README приведены сравнительные результаты на бенчмарках, но они сами по себе не гарантируют качество на конкретных задачах.

Модель распространяется по лицензии MIT. Карточка не сообщает языки обучения или использования, поэтому применимость к конкретным языкам по имеющимся данным оценить нельзя.

Сценарии применения

  • решение математических задач с пошаговыми рассуждениями
  • ответы на научные вопросы
  • обсуждение и объяснение научных тем в диалоге

Ограничения

Это предварительная версия, заявленная специализация которой сосредоточена на математических и научных рассуждениях; результаты бенчмарков не гарантируют качество для других сценариев. Языки модели в предоставленных данных не указаны.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Welcome to the Loopie series, the most powerful open-sourced Looped Transformer to date, trained by IQuest Research.

We’re releasing two flavors of these open models:

  • Loopie-20B-A2B-preview — a highly competitive 20B total parameter with 2B activation MoE model, with the preview version primarily optimized for mathematical and scientific reasoning.
  • Loopie-6B-A0.6B-preview — a highly competitive small model that outperforms all open-source models below 4B dense parameters while offering faster inference. The preview version is primarily optimized for mathematical and scientific reasoning.

Model Performance

Loopie-20B-A2B

BenchmarkQwen330B-A3BThinkingNemotron3 Nano30B-A3BNemotronCascade 230B-A3BGPT-OSS20B-A2BHighLoopie20B-A2B
Pre-training tokens36T25T25TUnknown3.5T
Knowledge
MMLU85.8380.5281.2281.6481.28
MMLU-Redux88.2582.5483.8983.4083.61
General
ARC-Challenge96.6791.9693.8692.4293.52
DROP87.7085.9279.0662.8282.08
BBH86.5968.7675.8684.7682.28
SciQ95.4093.4092.4093.8092.50
IFEval85.5877.0579.2170.0384.72
Code
MBPP96.5090.6680.5478.9989.49
MBPP+98.6891.5383.6097.6283.07
HumanEval96.9586.5979.8892.0789.02
HumanEval+92.0787.8078.6689.0287.20
Math
AIME 2490.1085.0093.3388.3392.09
AIME 2583.7574.1791.2587.5083.75
AMC96.7391.8093.5791.0594.21
OlympiadBench81.2076.6888.6470.0380.50

Loopie-6B-A0.6B

BenchmarkDeepSeek-R1Distill-Qwen1.5BGemma-4E2B-itGemma-4E4B-itQwen31.7BMiniCPM51BOuro 1.4BThinkingOuro 2.6BThinkingLoopie6B-A0.6B
Knowledge
MMLU44.8563.3372.9769.0861.5472.4082.7078.36
MMLU-Redux51.2872.2879.6174.2870.6373.7586.2881.35
General
ARC-Easy69.1987.0892.9791.2085.2790.8794.2893.77
ARC-Challenge61.0983.2890.0286.0975.3488.4893.9491.13
SciQ44.1086.8094.4087.7082.4891.6094.9090.10
Code
MBPP35.8077.0482.4980.5450.9788.6395.6976.65
MBPP+63.7686.7790.2182.8081.7589.8996.0184.66
HumanEval65.8579.2791.4685.9886.5995.1295.1284.15
HumanEval+65.2481.7185.9882.9386.5987.8089.0279.88
Math
AIME 2435.8338.3349.1749.5847.5050.8362.5080.42
AIME 2524.1726.2535.4235.0038.7544.1751.6770.83
AMC67.9175.3785.0873.8828.3678.3685.8284.33
MATH-50083.6089.0091.6090.6060.0092.2092.2093.80
GSM8K72.1890.6093.4090.1476.3594.0996.1393.63

Inference examples

Transformers

To get started, install the necessary dependencies to setup your environment:

pip install https://github.com/zitian-gao/transformers --force-reinstall

Once, setup you can proceed to run the model by running the snippet below:

from transformers import pipeline
import torch

model_id = "zitian-gao/Loopie-20B-A2B-preview"

pipe = pipeline(
    "text-generation",
    model=model_id,
    torch_dtype="auto",
    device_map="auto",
)

messages = [
    {"role": "user", "content": "Explain quantum mechanics clearly and concisely."},
]

outputs = pipe(
    messages,
    max_new_tokens=1024,
)
print(outputs[0]["generated_text"][-1])

vLLM

To get started, install the necessary dependencies to setup your environment:

pip install https://github.com/zitian-gao/vllm --force-reinstall
vllm serve zitian-gao/Loopie-20B-A2B-preview

Citation

@misc{gao2026looploopies,
      title={Loop the Loopies!}, 
      author={Zitian Gao and Yilong Chen and Yihao Xiao and Xinyu Yang and Ran Tao and Joey Zhou and Bryan Dai},
      year={2026},
      eprint={2607.16051},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2607.16051}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
652d78b

0 моделей