モデル紹介
This tiny model preserves the full architecture of the base model: - Hybrid attention: **KDA linear attention** (`linear_attention`) layers **and** **DeepSeek sparse attention / MLA** (`deepseek_sparse_attention`) layers with the token indexer. - Mixed FFN schedule: **dense** MLP layers (first 3) **and** **sparse MoE** layers (routed experts + shared expert). - Manifold-Constrained **Hyper-Connections** (mHC) at every attention/FFN site. - The **vision tower** (`Glm5NextVisionModel`) and multimodal projector. The model is a bf16 dense checkpoint (the base model's fp8 `quantization_config` was removed so the tiny model can be randomly initialized and fine-tuned). Per-layer schedules were regenerated for the reduced depth: - `layer_types`: `[linear, linear, linear, deepseek_sparse_attention, linear]` - `mlp_layer_types`: `[dense, dense, dense, sparse, sparse]` - `indexer_types`: `[full, full, full, full, full]`
主な特徴
特点摘要待依据来源补齐，不凭模型名称推断能力。
制約と注意点
具体的な制約を判断する出典が不足しています。実際の性能、遅延、データ方針、ライセンス、提供期間を確認してください。
出典別料金と費用分析
料金はチャネル・地域・設定によって異なります。各チャネルの料金は個別に表示し、提供元の統一公式料金とは見なしません。
| 出典・チャネル | 入力 | 出力 | 課金単位 | 収集日時 |
|---|---|---|---|---|
| 確認可能な料金がありません。出典を確認してください。 | ||||
月額の基本トークン費用を試算
試算はキャッシュ割引、段階料金、マルチモーダル追加料金、検索、税金、追加推論出力を含みません。
公開評価と実行設定
暂无已采集的可核验公开评分。模型未上榜不代表能力较低。
収録済みの全ランキング →よくある質問
オープンウェイトなら無料で商用利用できますか？
必ずしもそうではありません。バージョン別のライセンス、商用条件、利用方針を確認してください。自前運用には計算資源と保守費用も必要です。
これはリアルタイムの請求料金ですか？
収集日時付きの料金スナップショットです。最新のバージョン、地域、割引、課金方式は各チャネルで確認してください。
出典と追跡記録
许可证：mit。模型介绍与第三方评测均以原来源的具体版本和方法为准。