GPT
הוספת כלי
M

maple-preview

קוד פתוח

deepgrovemit2026-08-04

  • transformers
  • safetensors
  • text-generation
  • causal-lm
  • mixture-of-experts

מודל הסקת מסקנות שמכוון לפתרון בעיות מתמטיות קשות ומציע מהירות גבוהה במיוחד על חומרה מקומית. הוא פונה למי שרוצה ביצועי חשיבה חזקים בלי להחזיק שרת כבד.

  • 20Bפרמטרים
  • 131,072טוקנים בהקשר
  • 37.7 GBמשקל הקבצים
  • 5,134הורדות בחודש

מה זה

מדובר במודל של 20 מיליארד פרמטרים שמשתמש בארכיטקטורת מומחים, שבה רק מיעוט מהפרמטרים פעיל בכל רגע נתון, ובמשקולות טרנריות שמאפשרות לו לרוץ מהר מאוד. היוצרים שלו מציגים תוצאות במבחנים מתמטיים תחרותיים כמו AIME 2026 ובעיות ברמת אולימפיאדה, לצד מבחני ידע כמו GPQA-D. המשמעות של המספרים האלה היא יכולת לוגית וחישובית ממוקדת מאוד, כזו שמתחרה ישירות במודלים גדולים בהרבה.

ההבדל המרכזי מול מה שקיים בגודל הזה הוא הדגש על יחס הזיכרון והמהירות לביצועים. המפרסמים מדווחים על קצב של מעל 200 טוקנים לשנייה על מחשב Mac mini M4, מה שמשאיר מאחור מודלים מוכרים אחרים. עם זאת, הוא אומן באנגלית בלבד, כך שלא כדאי לבנות עליו לעיבוד שפה בעברית.

מתאים ל

  • פתרון בעיות מתמטיקה ומדע

    הוא מציג תוצאות טובות במבחנים לוגיים קשים כמו AIME 2026 ובעיות אולימפיאדה, ולשם כיוונו את האימון שלו.

  • הסקה לוגית מהירה במחשב מק

    הארכיטקטורה שלו מגיעה למעל 200 טוקנים לשנייה על שבבי אפל ומאפשרת מענה כמעט מיידי.

  • מחקר על משקולות טרנריות

    מבנה השכבות והמומחים שלו מעניין מפתחים שבודקים דחיסה ויעילות קיצונית של מודלי שפה.

איפה זה נופל

המודל הזה הוא גרסת תצוגה מקדימה, והמפתחים כותבים בפירוש שהוא עבר מעט מאוד אימון ייעודי למשימות סוכנים ואימון חיזוק כללי בהיקף קטן בלבד. הוא לא יתאים למי שמחפש מודל שינהל שיחות מורכבות, יפעיל כלים באופן עצמאי או יבצע אוטומציות מרובות שלבים.

בנוסף, הוא מוגדר עבור השפה האנגלית בלבד. אם המוצר שלכם צריך לעבד עברית, אל תבנו עליו בלי בדיקה יסודית, כי אין עדות שהוא מתמודד איתה ברמה סבירה.

אותה משפחה

maple יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

maple-preview-GGUF443,361

שאלות
נפוצות

האם אפשר להריץ אותו ישר על מק בעזרת פייתון רגיל?

לא בצורה פשוטה. הקוד של transformers מיועד לסביבת CUDA עם Triton ו־FlashAttention, כך שהרצה מהירה על מק דורשת סביבת ריצה ייעודית לחומרה של אפל.

האם המודל מתאים לפיתוח סוכן אוטומטי?

לא מומלץ כרגע. המפתחים מציינים שהגרסה הזו כמעט לא עברה אימון למשימות סוכנים והיא מתמקדת בעיקר בהסקה לוגית גולמית.

איך מריצים

כדי להריץ אותו דרך ספריית transformers הרגילה תצטרכו סביבת לינוקס עם כרטיס של NVIDIA שתומך ב־CUDA, יחד עם ספריות Triton ו־FlashAttention. המשקל הכולל של הקבצים מגיע ל־37.7 גיגה-בייט, ולכן דרוש כרטיס מסך עם מספיק זיכרון כדי לטעון אותם כמו שצריך.

אם אתם מתכננים להריץ אותו על Apple Silicon כדי לקבל את המהירויות שהם מבטיחים על מחשבי מק, קחו בחשבון שזה דורש סביבת הרצה נפרדת ייעודית ולא את הקוד הסטנדרטי של transformers. אם אין לכם את החומרה המתאימה או כוח להתעסק עם תלויות CUDA מורכבות, עדיף להמתין שמישהו יציע אותו דרך ממשק ענן.

from transformers import pipeline

pipe = pipeline("text-generation", model="deepgrove/maple-preview")
print(pipe("שלום"))

הקבצים

26 קבצים במאגר, 37.7 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל משוחרר תחת רישיון MIT. זה הרישיון הכי פתוח שיש, והוא מאפשר לעשות עם הקוד והמשקולות כמעט הכל, כולל שימוש מסחרי, שינויים והפצה בתוך מוצרים סגורים. התנאי היחיד הוא שמירת הודעת זכויות היוצרים המקורית.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗