/ Модель

Характеристики

Контекст
131 072 токена
Параметры
870 млн
Лицензия
MIT
Архитектура
qwen3_moe · MoE
Библиотека
transformers
Опубликована
26 окт 2026

Loopie-6B-A0.6B-preview

Генерация текстаТекст → текст

Небольшая диалоговая MoE-модель для генерации текста, оптимизированная для математических и научных рассуждений.

299скачиваний за 30 дней2лайкавеса 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-6B-A0.6B-preview — языковая модель серии Loopie, разработанной IQuest Research. Это небольшая модель на архитектуре Qwen3 MoE с общим числом параметров около 870,4 млн и контекстом до 131 072 токенов. Она предназначена для генерации текста в диалоговом режиме и оптимизирована в предварительной версии для математических и научных рассуждений.

Разработчики заявляют о высокой конкурентоспособности модели среди небольших открытых моделей и приводят результаты сравнительных тестов, включая MMLU. В метаданных указана лицензия MIT. Поскольку это preview-версия, приведённые в карточке результаты и заявленные преимущества следует считать предварительными.

Сценарии применения

  • решение математических задач
  • объяснение научных понятий
  • ответы на вопросы по естественным наукам
  • диалоговые ответы на текстовые запросы

Ограничения

Это предварительная версия; заявленные преимущества основаны на сравнительных тестах из карточки модели. Поддерживаемые языки в предоставленных данных не перечислены.

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-6B-A0.6B-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-6B-A0.6B-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
5fd7647

0 моделей