GPT
הוספת כלי
S

Spark-X2.5-1.7B

קוד פתוח

XHTokenapache-2.02026-08-24

  • transformers
  • safetensors
  • spark2_5
  • text-generation
  • llm

מודל קומפקטי שמביא חלון הקשר של מיליון טוקנים לחומרה מקומית. הוא פונה למי שמחפש סוכן אוטומטי זול להרצה בלי תלות בענן.

  • 1.7Bפרמטרים
  • 1,048,576טוקנים בהקשר
  • 3.2 GBמשקל הקבצים
  • 3,213הורדות בחודש

מה זה

המודל מציע שילוב של שכבת קשב מלאה אחת עם שלוש שכבות של קשב בחלון מחליק. המבנה הזה נועד לקצץ בצריכת הזיכרון של הזיכרון הזמני בזמן עיבוד טקסטים ארוכים, מה שמאפשר לו לעבוד עם הקשר של עד 1,048,576 טוקנים. הוא אומן על כעשרים טריליון טוקנים ביותר ממאתיים שפות, ועבר כוונון ייעודי למשימות של סוכנים, תכנות והפעלת כלים. ברירת המחדל שלו מוגדרת למצב חשיבה, עם פרמטרים שמכוונים לחקירת פתרונות לפני הפליטה הסופית.

במבחני ביצועים הוא מראה יתרון ברור על פני דגמים מקבילים כמו גרסאות השני מיליארד של קוון וגמא. במבחן הניווט והדפדפן BrowseComp הוא רושם 29.7 נקודות לעומת 3.1 של קוון המקביל. גם במתמטיקה מורכבת כמו AIME 2026 הוא מגיע ל־69.4, שזה פער ענק מול המתחרים בקטגוריית הגודל שלו. עם זאת, במבחני תכנות מעשיים כמו SWE-Bench Pro הוא נעצר על 10.4 נקודות, כך שקוד מורכב מדי עדיין גדול עליו.

מתאים ל

  • סוכן לדפדפן ורשת

    תוצאה של 29.7 במבחן הגלישה הופכת אותו למתאים לאיסוף מידע ומעקב ברשת על חומרה זולה.

  • עוזר מתמטי מקומי

    הוא משיג 69.4 במבחן AIME, ציון חריג למודל ששוקל פחות משלושה וחצי גיגה בייט.

  • מענה במערכות עם זיכרון דל

    שכבות החלון המחליק מאפשרות עיבוד טקסטים בלי לפוצץ את זיכרון הכרטיס במכשירים מקומיים.

איפה זה נופל

הנתונים חושפים חולשה חדה ברגע שהמשימות הופכות לתכנות אמיתי או שימוש בכלים מסובכים. בבדיקת MCP-Mark הוא צונח לציון של 2.3 בלבד, ובמבחן SWE-Bench Pro הוא מגרד 10.4 נקודות. זה מראה שברגע שסוכן נדרש לתקן שגיאות במאגרי קוד מורכבים בעולם האמיתי, אחוזי ההצלחה נמוכים מאוד. אסור לבנות עליו לפיתוח תוכנה אוטונומי ללא השגחה אנושית צמודה.

אותה משפחה

Spark-X2.5 יצא ב־3 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

Spark-X2.5-4B-GGUF49,223 Spark-X2.5-4B10,661

שאלות
נפוצות

האם כדאי לתת למודל לכתוב ולתקן קוד בפרויקט של החברה?

לא מומלץ למשימות עמוקות. המודל אמנם מסוגל לסייע בסקריפטים בסיסיים, אך במבחני תיקון תוכנה מקיפים כמו SWE-Bench Pro הוא קיבל ציון נמוך של 10.4 נקודות, כך שהוא צפוי לייצר שגיאות בקוד מורכב.

האם אפשר להריץ אותו ישירות באולמה בלי התקנות מיוחדות?

לא בצורה הרגילה של משיכת שם בלבד. הכרטיס דורש לבנות גרסה מקומית מותאמת של llama.cpp ושל אולמה מתוך קוד המקור כדי לתמוך בארכיטקטורה הייחודית שלו, ולאחר מכן ליצור קובץ הגדרה ייעודי מקובץ משקלים.

איך מריצים

המשקל הכולל של הקבצים עומד על 3.2 גיגה בייט, כך שאפשר לטעון אותו בקלות על כרטיס מסך בודד של שמונה או שנים עשר גיגה זיכרון. תמיכת התוכנה רחבה וכוללת ספריות כמו vLLM, SGLang וכן MLX למחשבי אפל, לצד אפשרות קימפול מותאמת עבור llama.cpp וסביבות כמו אולמה. אם רוצים לפתוח שרת מקומי תואם תקן, מריצים קונטיינר ומגדירים כרטיס אחד בלבד.

המלכוד מגיע בחלון ההקשר. המודל אמנם תומך תיאורטית במיליון טוקנים, אבל החזקה של הקשר מלא בזיכרון דורשת משאבים שכרטיס ביתי פשוט לא יספק. אם אתם מתכוונים לעבוד עם מסמכים קצרים, כרטיס מקומי יעשה עבודה מצוינת. אם אתם באמת צריכים חצי מיליון טוקנים ומעלה לכל בקשה, סביר שתצטרכו שרת ייעודי חזק או פשוט פנייה לשירות מנוהל חיצוני.

from transformers import pipeline

pipe = pipeline("text-generation", model="XHToken/Spark-X2.5-1.7B")
print(pipe("שלום"))

הקבצים

20 קבצים במאגר, 3.2 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון הוא אפאצ'י שתיים אפס, מה שאומר שמותר להשתמש בו לצרכים מסחריים בלי לשלם תמלוגים. אפשר לשנות את הקוד, לאמן עליו מודלים נוספים, להטמיע אותו במוצר ולמכור אותו, כל עוד שומרים על הודעת זכויות היוצרים המקורית והצהרת הרישיון.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש
  • שימוש בפטנטים

הרישיון המלא בעמוד המודל ↗