Mattimax / DAC6-180M

Mattimax/DAC6-180M

DAC6‑180M (M.INC. Research)

Mattimax/DAC6-180M è un modello linguistico compatto (Edge AI) sviluppato da M.INC. Research e ottimizzato per applicazioni di chat e assistenza conversazionale in 10 lingue .

Il modello deriva da LiquidAI/LFM2.5-230M , appartenente alla famiglia dei Liquid Foundation Models (LFM) , un'architettura progettata per offrire elevata efficienza computazionale, basso consumo di memoria e inferenza veloce anche su hardware limitato.

Attraverso un processo di fine-tuning , distillazione e pruning controllato , il modello è stato ridotto a circa 180 milioni di parametri attivi , mantenendo buone capacità conversazionali e risultando adatto all'esecuzione su smartphone, dispositivi edge e sistemi embedded.

Lingue supportate

Il modello è stato addestrato per supportare nativamente le seguenti lingue:

• 🇬🇧 Inglese ( en )
• 🇸🇦 Arabo ( ar )
• 🇨🇳 Cinese ( zh )
• 🇫🇷 Francese ( fr )
• 🇩🇪 Tedesco ( de )
• 🇯🇵 Giapponese ( ja )
• 🇰🇷 Coreano ( ko )
• 🇪🇸 Spagnolo ( es )
• 🇵🇹 Portoghese ( pt )
• 🇮🇹 Italiano ( it )

Caratteristiche principali

• Architettura Liquid Foundation Model (LFM) .
• Circa 183,5 milioni di parametri attivi .
• Ottimizzato per conversazioni e instruction following.
• Supporto multilingue.
• Elevata efficienza su CPU e dispositivi Edge AI.
• Ridotto utilizzo di memoria rispetto ai Transformer tradizionali.
• Ideale per utilizzo offline o su hardware con risorse limitate.

Architettura

A differenza dei tradizionali modelli Transformer, DAC6-180M sfrutta l'architettura Liquid Foundation Models , basata su operatori lineari dinamici e modelli a spazio di stato.

Questa architettura offre numerosi vantaggi:

• complessità lineare rispetto alla lunghezza del contesto;
• minore consumo di memoria RAM;
• maggiore throughput durante l'inferenza;
• migliore scalabilità su dispositivi embedded ed Edge AI.

Utilizzo

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Mattimax/DAC6-180M"

tokenizer = AutoTokenizer.from_pretrained(model_id)

model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True
)

messages = [
    {
        "role": "system",
        "content": "Sei un assistente virtuale utile e conciso."
    },
    {
        "role": "user",
        "content": "Ciao! Quali sono i vantaggi dell'architettura LiquidAI?"
    }
]

prompt = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)

inputs = tokenizer(
    prompt,
    return_tensors="pt"
).to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=150,
    temperature=0.7
)

response = tokenizer.decode(
    outputs[0][inputs.input_ids.shape[-1]:],
    skip_special_tokens=True
)

print(response)

Prompt Template

Il modello utilizza il template ChatML fornito dal tokenizer.

<|im_start|>system
Sei un assistente virtuale utile e conciso.
<|im_end|>

<|im_start|>user
Ciao! Come stai?
<|im_end|>

<|im_start|>assistant

Prestazioni previste

DAC6-180M è stato progettato principalmente per:

• chatbot offline;
• assistenti virtuali;
• automazione locale;
• dispositivi Edge AI;
• Raspberry Pi;
• smartphone;
• sistemi embedded;
• applicazioni con memoria limitata.

Limitazioni

Come tutti i modelli di dimensioni contenute, DAC6-180M presenta alcune limitazioni:

• può produrre allucinazioni su argomenti specialistici;
• è meno performante rispetto ai modelli con miliardi di parametri nei compiti di ragionamento complesso;
• le prestazioni migliori si ottengono in inglese e nelle lingue maggiormente rappresentate durante il pre-addestramento del modello base.

Riconoscimenti

Il modello è basato su:

• LiquidAI/LFM2.5-230M-Base

Sviluppo, fine-tuning e ottimizzazioni:

M.INC. Research