Orbit-3.2-Nano

Model Bahasa Indonesia berbasis LFM2.5 yang di-fine-tune untuk pemahaman konteks dan tanya jawab (closed QA).

Ringkasan

Orbit-3.2-Nano adalah iterasi terbaru dari seri Orbit-Nano yang dikembangkan oleh OpenPathAI. Model ini dibangun di atas Orbit-3-Nano (yang merupakan turunan dari LFM2.5-2.6B) dan di-fine-tune menggunakan dataset Dodol-15k-Indonesia dataset closed QA Bahasa Indonesia dengan konteks.

Model ini dirancang untuk:

Menjawab pertanyaan berdasarkan konteks yang diberikan
Memahami instruksi Bahasa Indonesia dengan baik
Menjawab pertanyaan faktual secara akurat berdasarkan dokumen
Membantu tugas question answering berbasis dokumen

Spesifikasi Model

Komponen	Detail
Arsitektur	Lfm2ForCausalLM
Model Type	lfm2
Hidden Size	2048
Jumlah Layer	30
Jumlah Attention Heads	32
Vocab Size	128.000
Max Position	131.072 token
Total Parameter	~2,6 Miliar
Bahasa	Indonesia, Inggris

Arsitektur Hybrid LFM2.5

LFM2.5 menggunakan arsitektur hybrid:

Short-Conv (LIV) layers — efisiensi komputasi
GQA (Grouped Query Attention) layers — penalaran

Base Model

Model ini adalah versi fine-tuned dari:

Aspek	Detail
Base Model	OpenPathAI/Orbit-3-Nano
Model Asal	LiquidAI/LFM2.5-2.6B
Pengembang Asal	Liquid AI
Lisensi Base	LFM Open License v1.0

Detail Fine-Tuning

Parameter	Nilai
Dataset	Irza/Dodol-15k-Indonesia
Jumlah Samples	~14.800 pasangan instruksi-konteks-respons
Metode	SFT (Supervised Fine-Tuning) dengan QLoRA
LoRA Rank (r)	16
LoRA Alpha	32
LoRA Dropout	0,05
Target Modules	q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj
Epoch	3
Learning Rate	2e-4
Precision	BF16

Format Dataset

Dataset Dodol-15k-Indonesia memiliki struktur:

Kolom	Deskripsi
`instruction`	Pertanyaan yang harus dijawab
`context`	Konteks/dokumen yang berisi jawaban
`response`	Jawaban yang benar
`category`	Kategori pertanyaan (closed_qa, dll)

Model dilatih dengan format:


Konteks:
[context]

Pertanyaan:
[instruction]

Jawaban:
[response]

Cara Penggunaan

Instalasi

!pip install -q --upgrade transformers>=5.2.0 torch accelerate huggingface_hub

!pip uninstall -y torchvision torchaudio

print("=" * 60)
print("SETELAH INSTALL SELESAI:")
print("1. Klik Runtime → Restart Session")
print("2. Jalankan cell berikutnya")
print("=" * 60)

Penggunaan Dasar

import os
import torch
import transformers
from transformers import AutoModelForCausalLM, AutoTokenizer

print(f"transformers: {transformers.__version__}")
print(f"torch: {torch.__version__}")

HF_TOKEN = "TOKEN_HF"
MODEL_NAME = "OpenPathAI/Orbit-3.2-Nano"

os.environ["HUGGING_FACE_HUB_TOKEN"] = HF_TOKEN
os.environ["HF_TOKEN"] = HF_TOKEN

print("\nLoading tokenizer...")
tokenizer = AutoTokenizer.from_pretrained(MODEL_NAME, token=HF_TOKEN)
print("✅ Tokenizer loaded!")

print("Loading model...")
model = AutoModelForCausalLM.from_pretrained(
    MODEL_NAME,
    torch_dtype=torch.float16,
    device_map="auto",
    token=HF_TOKEN,
)
model.eval()
print("✅ Model loaded!")

def chat(pertanyaan, max_new_tokens=512, temperature=0.7):
    """Fungsi chat untuk transformers v5."""
    messages = [{"role": "user", "content": pertanyaan}]
    
    inputs = tokenizer.apply_chat_template(
        messages,
        add_generation_prompt=True,
        return_tensors="pt",
        return_dict=True,
    ).to(model.device)
    
    with torch.no_grad():
        outputs = model.generate(
            **inputs,
            max_new_tokens=max_new_tokens,
            temperature=temperature,
            top_p=0.9,
            do_sample=True,
            pad_token_id=tokenizer.eos_token_id,
        )
    
    response = tokenizer.decode(
        outputs[0][inputs["input_ids"].shape[1]:],
        skip_special_tokens=True
    )
    return response.strip()

pertanyaan = "halo, kamu bisa bantu aku gak?"

print("\n" + "=" * 60)
print(f"📝 Pertanyaan: {pertanyaan}")
print("=" * 60)
print("🤖 Jawaban dari Orbit-3-Nano:")
print(chat(pertanyaan))
print("=" * 60)

Keterbatasan

Keterbatasan Deskripsi Ukuran Model 2,6B parameter kapasitas terbatas Akurasi Mungkin menghasilkan informasi yang tidak akurat Konteks Maksimal 131.072 token Reasoning Terbatas untuk tugas kompleks

Model ini BUKAN untuk:

Keputusan medis, hukum, atau keuangan
Aplikasi produksi tanpa pengawasan
Tugas yang butuh akurasi tinggi

Lisensi

Model ini mengikuti LFM Open License v1.0.

Ketentuan penting:

Bebas digunakan untuk penelitian dan pengembangan
Bebas dimodifikasi dan didistribusikan
Penggunaan komersial gratis hanya untuk entitas dengan pendapatan tahunan di bawah $10 juta USD
Jika pendapatan melebihi ambang batas, diperlukan lisensi komersial terpisah dari Liquid AI

Atribusi

Model ini dikembangkan oleh OpenPathAI sebagai turunan dari:

Base Model: OpenPathAI/Orbit-3-Nano
Model Asal: LiquidAI/LFM2.5-2.6B
Dataset: Irza/Dodol-15k-Indonesia

Sitasi

@misc{orbit-3-2-nano,
  author = {OpenPathAI},
  title = {Orbit-3.2-Nano: Fine-tuned LFM2.5 for Indonesian Closed QA},
  year = {2026},
  publisher = {Hugging Face},
  howpublished = {\url{https://huggingface.co/OpenPathAI/Orbit-3.2-Nano}},
  note = {Fine-tuned from OpenPathAI/Orbit-3-Nano}
}

Kontak