HyperAI

1. Introduction au tutoriel

« SpikingBrain-1.0 » est un modèle d'impulsions cérébrales, de production nationale et contrôlable indépendamment, lancé en septembre 2025 par l'Institut d'automatisation de l'Académie chinoise des sciences, le Laboratoire national de la cognition cérébrale et de l'intelligence cérébrale, Muxi Integrated Circuit Co., Ltd. et d'autres institutions. Inspiré par les mécanismes cérébraux, SpikingBrain intègre dans son architecture un mécanisme d'attention hybride efficace, un module MoE et un codage d'impulsions, et s'appuie sur un pipeline de conversion universel compatible avec l'écosystème des modèles open source. Cela permet un pré-entraînement continu avec moins de 21 TP3T de données, tout en atteignant des performances comparables aux modèles open source classiques. SpikingBrain a obtenu une accélération plus de 100 fois supérieure en TTFT de séquences de 4 millions de jetons, tandis que le codage d'impulsions a permis une parcimonie de plus de 691 TP3T au niveau micro. Combinées à la parcimonie du MoE au niveau macro, ces avancées fournissent des indications précieuses pour la conception de puces neuromorphiques de nouvelle génération. Les résultats de l'article sont les suivants :Rapport technique SpikingBrain : Grands modèles inspirés de Spiking Brain".

Ce tutoriel utilise un seul GPU A6000 comme ressource de calcul. Le modèle déployé 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}
}