1. Introduction au tutoriel

« SpikingBrain-1.0 » est un modèle de neurones à impulsions bio-inspiré, développé et contrôlable en Chine. Publié en septembre 2025 par l'Institut d'automatisation de l'Académie des sciences de Chine, en collaboration avec le Laboratoire national clé de cognition cérébrale et d'intelligence bio-inspirée et Muxi Integrated Circuit Co., Ltd., SpikingBrain s'inspire des mécanismes cérébraux. Son architecture intègre un mécanisme d'attention hybride performant, des modules MoE et le codage par impulsions, le tout soutenu par un pipeline de transformation universel compatible avec l'écosystème des modèles open source. Ceci permet un pré-entraînement continu avec moins de 21 TP3T de données, tout en atteignant des performances comparables aux principaux modèles open source. SpikingBrain atteint une accélération de plus de 100x pour les TTFT de séquences de 4 millions de jetons, tandis que le codage par impulsions assure une parcimonie supérieure à 691 TP3T au niveau microscopique. Conjuguées à la faible densité de MoE macroscopique, ces avancées fournissent des indications précieuses pour la conception des puces neuromorphiques de nouvelle génération. Des articles de recherche connexes sont disponibles. Rapport technique SpikingBrain : Grands modèles inspirés de Spiking Brain .

Ce tutoriel utilise un seul GPU RTX 5090 pour la puissance de calcul, et le modèle déployé dans ce tutoriel est le V1-7B-sft-s3-reasoning de SpikingBrain.

2. Affichage des effets

3. Étapes de l'opération

1. Démarrez le conteneur

2. Étapes d'utilisation

Si « Modèle » n'est pas affiché, cela signifie que le modèle est en cours d'initialisation. Étant donné que le modèle est grand, veuillez patienter environ 2 à 3 minutes et actualiser la page.

4. Discussion

🖌️ Si vous repérez un bon projet, n'hésitez pas à laisser un commentaire pour le recommander ! Nous avons également créé un groupe d'échange de tutoriels. N'hésitez pas à scanner le code QR et à noter [Tutoriel AI4S] pour rejoindre le groupe et discuter de divers problèmes techniques et partager les résultats de votre application.↓

Informations sur la citation

Merci à l'utilisateur Github SuperYang  Déploiement de ce tutoriel. Les informations de citation pour ce projet sont les suivantes :

@article{pan2025spikingbrain,
  title={SpikingBrain Technical Report: Spiking Brain-inspired Large Models},
  author={Pan, Yuqi and Feng, Yupeng and Zhuang, Jinghao and Ding, Siyu and Liu, Zehao and Sun, Bohan and Chou, Yuhong and Xu, Han and Qiu, Xuerui and Deng, Anlin and others},
  journal={arXiv preprint arXiv:2509.05276},
  year={2025}
}