Primäre Verwendung angegeben oder vorsichtig aus offizieller Dokumentation abgeleitet.
Ai2
AI2 / allenai/Bwen-8B-Stage1
Bwen 8B Stage 1
Ai2-Checkpoint aus der öffentlichen Veröffentlichung vom 7. Oktober 2026 anlässlich der Publikation von Bolmo in Nature. Das autoregressive Modell verarbeitet Text als UTF-8-Bytes mithilfe lokaler Komponenten, dynamischer Gruppierung und eines globalen Modells. Die verifizierte Modalität ist Text-zu-Text: mögliche spätere Erweiterungen auf Bild oder Audio sind keine verfügbaren Fähigkeiten. Das Erstellungsdatum des Repositories im August gilt nicht als Veröffentlichungsdatum.
01 / ZUSAMMENFASSUNG
Das Wesentliche
Maximale Eingabekapazität bei Veröffentlichung durch die Quelle.
Dokumentierte maximale Erzeugungsgrenze.
Verifizierte Verfügbarkeitskanäle.
Primäre Funktionsfamilie und verifizierte Spezialisierungen.
Deklarierte Bedingungen für API, Gewichte oder Self-Hosting.
02 / TECHNISCHES DATENBLATT
Limits und Integration
| API-ID | allenai/Bwen-8B-Stage1 |
|---|---|
| Modelltyp | Text und Begründung |
| Zugangsmodell | Offene Gewichte |
| Lizenz | Apache 2.0 |
| Einsatz | Eigenbetrieb mit Transformers und xlstm |
| Veröffentlichung | 07 OCT 2026 |
| Wissensstichtag | Nicht veröffentlicht |
| Eingang | Text |
| Ausfahrt | Text |
| Kontextfenster | 32.768 interne Positionen; variable Bytelänge |
| maximale Leistung | max_new_tokens zählt Bytes; Maximum nicht veröffentlicht |
| Argumentation | Basismodell; Denkaufwand nicht veröffentlicht |
| Veröffentlichte Tools | |
| Strukturierte Ausflüge | Nicht veröffentlicht |
| Stapelverarbeitung | Nicht veröffentlicht |
| Prompt-Cache | Nicht veröffentlicht |
| Feinabstimmung | Nicht veröffentlicht |
| Verifizierte Plattformen | Hugging Face · Transformers |
Forschung zu Tokenisierung, Rechtschreibung, Leerzeichen, ungewöhnlichen Zeichenfolgen und dynamischer Komprimierung. Das Profil identifiziert den genauen Checkpoint und seine Trainingsphase; die angegebene Sprache ist Englisch. Bwen basiert auf Qwen3 8B Base und Blama auf Llama 3 8B; Bolmo 1B und 7B gehen von Olmo aus. Diese Basismodelle nicht mit auf Anweisungen abgestimmten Assistenten verwechseln.
Stage-1-Checkpoints lassen das ursprüngliche globale Modell eingefroren; sie entsprechen nicht den vollständig trainierten Versionen. Die Konfiguration nennt interne Modellpositionen, keine garantierte Grenze für Eingabebytes. max_new_tokens misst Bytes, nicht kommerzielle Tokens anderer APIs. Das offizielle Beispiel nutzt trust_remote_code: Code prüfen und vor der Ausführung eine Revision festlegen. Ohne Sicherheitsfilter können Modelle schädliche Inhalte, Verzerrungen und falsche Aussagen erzeugen.
03 / FÄHIGKEITEN
Was es kann
Orientierung
Forschung zu Tokenisierung, Rechtschreibung, Leerzeichen, ungewöhnlichen Zeichenfolgen und dynamischer Komprimierung. Das Profil identifiziert den genauen Checkpoint und seine Trainingsphase; die angegebene Sprache ist Englisch. Bwen basiert auf Qwen3 8B Base und Blama auf Llama 3 8B; Bolmo 1B und 7B gehen von Olmo aus. Diese Basismodelle nicht mit auf Anweisungen abgestimmten Assistenten verwechseln.
Kontext
32.768 interne Positionen; variable Bytelänge · max_new_tokens zählt Bytes; Maximum nicht veröffentlicht
Tools und Integration
Nicht veröffentlicht
Zugang
Hugging Face · herunterladbarer Checkpoint
Eingabemodalitäten
Text
04 / PREISE
Dokumentierte Kosten
| Konzept | Wert | Einheit/Zustand |
|---|---|---|
| Standardeingabe | Kein offizieller API-Preis veröffentlicht | Standardtarif der API |
| Eingabe aus dem Cache | Nicht veröffentlicht | Lesen wiederverwendeter Präfixe |
| Schreiben oder Speichern im Cache | Nicht veröffentlicht | Die Bedingung variiert je nach Anbieter |
| Standardausgabe | Kosten der eigenen Infrastruktur | Kann Reasoning-Tokens enthalten |
| Batch-Eingabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
| Batch-Ausgabe | Nicht veröffentlicht | Asynchrone Verarbeitung |
Wir haben weder einen kommerziellen Endpoint noch einen offiziellen Preis pro Token verifiziert. Numerische Kostenfelder bleiben leer: herunterladbare Gewichte bedeuten keine kostenlose Inferenz. Speicher, Rechenleistung und Wartung einplanen. Die Dokumentation nutzt Python 3.11, Transformers 4.57.3 und xlstm 2.0.4. Bwen und Bolmo Stage 1 deklarieren Apache 2.0; Blama behält die Llama 3 Community License mit eigenen Bedingungen. Auch die Ai2-Richtlinien zur verantwortungsvollen Nutzung prüfen.
i Die Preise ändern sich und können von Level, Region oder Kontextlänge abhängen. Überprüfen Sie die Quelle, bevor Sie eine Entscheidung treffen.
05 / BEWERTUNGEN
So lesen Sie die Ergebnisse
“
Ai2 berichtet aggregierte Ergebnisse und Verbesserungen im Byte-Level-Modelling, aber wir haben keine vergleichbaren numerischen Werte für diesen Checkpoint verifiziert. Wir übertragen keine Ergebnisse zwischen Bwen, Blama, Bolmo oder zwischen Stage 1 und vollständigem Training. Unsere Evaluierung steht aus. Für die Reproduktion Revision, Phase, Daten, Komprimierung, erzeugte Bytes, Hardware und Latenz festhalten; vor Vergleichen mit Subword-Token-Modellen die Einheiten normalisieren.
i Keine verifizierten numerischen Werte je Checkpoint; Inferama-Evaluierung ausstehend.
Inferama hebt nur dann ein „bestes Ergebnis“ hervor, wenn Metrik, Testsatz, Konfiguration und Datum einen gleichwertigen Vergleich ermöglichen. Die Zahlen des Lieferanten werden als Angaben aus eigener Quelle dargestellt.
06 / VERSIONEN
Chronologie
Bwen 8B Stage 1
Stage 1: trainierte Byte-Level-Komponenten; Parameter des globalen Modells unverändert.
07 / QUELLEN