You can deploy this model and start earning money today!

TeleAI-AI-Flow/
AI-Flow-Ruyi2

Views

No views yet

AI-Flow-Ruyi2 (Ruyi2大模型)

介绍

Ruyi2大模型（AI-Flow-Ruyi2） 是中国电信人工智能研究院 (TeleAI) 智传网（AI Flow）团队研发，是面向下一代“端-边-云”模型服务架构的同源家族模型（Familial Model）。该模型基于 Qwen3-14B 基座构建，确立了“一次训练，多处部署”（Train Once, Deploy Many）的全新范式。其核心在于 1.7B（端）、8B（边）与 14B（云）三个嵌套分支共享主干参数，通过动态早退出机制实现不同算力环境下的自适应推理。针对端侧部署，模型创新性引入 DaE（Decompose after Expansion）框架，结合稳定块扩展（SBE）与 SVD 后训练压缩技术，在降低 40% 增量参数的同时显著增强了小模型的逻辑推理能力，从而实现了高效的端边云协同与高性能的边缘智能落地。

Ruyi2

为了进一步推动下一代“端-边-云”协同计算范式的落地，让业界体验更高效的家族模型架构，我们正式开源了 Ruyi2 (AI-Flow-Ruyi2) 模型。Ruyi2 于 2026 年 2 月 14 日发布，基于 Qwen3-14B 构建。其最大参数量分支为 14B，并可分化出具有等效参数量为 1.7B 和 8B 的早退出分支。其中：

1.7B 分支：专为端侧设备（End Devices）部署设计，通过创新的DaE（扩展后分解）与SVD压缩技术优化，在极低的资源占用下保留了高密度的知识与推理能力，优势在于极致的响应速度与部署效率；
8B 分支：定位为边缘服务器（Edge Server）的主力模型，在MMLU与GSM8K等基准测试中表现优异，实现了在通用任务场景下性能与计算成本的完美平衡；
14B 分支：作为云端服务器（Cloud Server）的完全体，主攻复杂高阶应用，在逻辑推理、数学及综合知识维度上展现出统治级的全面优势，适合处理最棘手的难题。

位点序号	早退出位置	等效模型大小	对应分支代号	场景定位
1	2层	1.7B	AI-Flow-Ruyi2-1.7B	端侧极速/简单任务
2	21层	8B	AI-Flow-Ruyi2-8B	边缘计算/通用平衡
3	39层	14B	AI-Flow-Ruyi2-14B	云端全能/复杂问题

训练过程

在训练开始前，我们基于Qwen团队预训练的Qwen3-14B-Base模型，对 14B 主分支进行了参数初始化；对于 1.7B 和 8B 早退出分支，其解码器层均采用早退出位置的下一层参数进行初始化。

完成初始化后，我们采用多分支联合预训练方法，在私有高质量数据集上进行了约 8000亿 (800B) token 的继续预训练，构建出Ruyi2 基座（Ruyi2-Base）。

随后，我们基于约 400万 (4M) 条高质量指令数据，对各分支进行了联合指令遵循微调；在此基础上，针对 1.7B 分支特别引入了 DaE（扩展后分解）框架与 SVD 压缩技术，并结合 GRPO 强化学习进一步增强了模型的逻辑推理能力，最终得到 Ruyi2。

性能评测

我们基于OpenCompass及其官方配置文件，Ruyi2 模型家族相比 Qwen3 基线模型所具备的卓越扩展效率和强劲性能。在所有参数规模上，Ruyi2 始终在知识理解和推理能力方面树立了新的行业标杆。

Ruyi2-1.7B：端侧极致效能与“知识密度”的突破作为专为移动端与边缘设备设计的轻量化分支，Ruyi2-1.7B 展现了无与伦比的“知识密度” 。得益于创新的 DaE（扩展后分解）框架与 SVD 后训练压缩技术，它在极小的参数规模下保留了惊人的知识容量，MMLU 得分高达 62.77，超越同级基座模型（Qwen3-1.7B）超过 23 个百分点。这证明了 Ruyi2-1.7B 成功打破了小模型的性能天花板，成为在严格内存与延迟限制下处理知识密集型任务的高效解决方案；
Ruyi2-8B：边缘侧的全面超越与黄金平衡 Ruyi2-8B 是家族模型中性能与效率的完美平衡点，实现了对同级竞品的全面超越。定位为边缘服务器的主力模型，它不仅在通用知识理解上遥遥领先（MMLU 79.68），更在逻辑推理能力上实现了质的飞跃，GSM-8K 得分达到 92.19，显著优于基线模型。它以中等规模的算力开销提供了接近顶尖大模型的推理体验，验证了智传网架构在多维能力平衡上的卓越设计；
Ruyi2-14B：云端旗舰的全指标统治力作为家族中的全量旗舰，Ruyi2-14B 在所有关键评测指标上确立了绝对的统治地位。它充分释放了共享主干网络的全部潜能，不仅进一步刷新了通用知识的上限（MMLU 81.84），更在数学与复杂逻辑推理任务中展现了压倒性优势，其 GSM-8K（94.24）和 Math（86.52）得分均超越了 Qwen3-14B。Ruyi2-14B 是处理高阶复杂问题、长逻辑链推理的最稳健选择，代表了该系列模型的最高智能水平。

性能比较: Ruyi2 vs Qwen3

Model	MMLU	MMLU-P	CMMLU	BBH	ARC-c	Hella	IFEval	Human	Math	GSM8K	Avg.
Qwen3-1.7B	39.31	39.82	61.61	35.81	67.12	54.25	67.65	62.20	70.32	75.89	57.40
Qwen3-8B	48.64	55.63	78.84	55.11	82.03	77.32	81.89	87.20	82.30	85.37	73.43
Qwen3-14B	60.43	64.11	82.06	64.70	81.69	80.80	85.77	87.80	84.42	85.90	77.77
Ruyi2-1.7B	62.77	9.60	22.68	19.95	27.46	58.77	47.13	47.56	39.14	75.97	41.10
Ruyi2-8B	79.68	56.12	74.72	59.38	82.71	78.19	73.94	71.95	72.96	92.19	74.18
Ruyi2-14B	81.84	71.55	82.15	77.86	84.41	83.94	81.52	84.76	86.52	94.24	82.88

使用

Step 1. 创建并激活虚拟环境

conda create -n ruyi python=3.12
conda activate ruyi

Step 2. 克隆本仓库至本地

git clone https://github.com/TeleAI-AI-Flow/AI-Flow-Ruyi2.git
cd AI-Flow-Ruyi

Step 3. 由源码安装（PS: flash_attn编译安装较慢，建议移步官方仓库下载whl手动安装）

pip install -e .

Step 4. 下载模型权重

git clone https://huggingface.co/TeleAI-AI-Flow/AI-Flow-Ruyi2 models/AI-Flow-Ruyi2

Step 5. 运行Demo

python demo.py

查看Demo代码

import torch
from ruyi.global_var import set_global_val
from transformers import GenerationConfig
from transformers import AutoModelForCausalLM, AutoTokenizer


model_path = f"models/AI-Flow-Ruyi2"
tokenizer = AutoTokenizer.from_pretrained(model_path, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_path, trust_remote_code=True, attn_implementation='flash_attention_2', torch_dtype=torch.bfloat16).to('cuda')


generation_config = GenerationConfig(
    do_sample=True,                  
    top_k=30,                        
    top_p=0.95,                      
    temperature=0.6,                 
    repetition_penalty=1.2,          
    no_repeat_ngram_size=3,          
    max_new_tokens=8192
)

# 输入文本
messages = [
    {"role": "user", "content": "你好，请用一句话介绍一下自己。"},
]

# 应用 chat_template 模板
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt")

# 模型生成
with torch.no_grad():
    # 设置早退出点
    # - 2: 第一个早退出点，对应约1.7B
    # - 21: 第二个早退出点，对应约8B
    # - 39: 第三个早退出点，对应约14B
    set_global_val("early_exit_point", 39)  

    output = model.generate(
        inputs["input_ids"].to('cuda'),
        generation_config=generation_config
    )

# 解码并打印结果
generated_text = tokenizer.decode(output[0], skip_special_tokens=False)
print(generated_text)