Qu’est-ce que Limite 1B - Violetto ?
Limite 1B - Violetto est le premier modèle de Paradigma, une start-up de recherche romaine dont les fondateurs comprennent Emanuele Rodolà, professeur à la Sapienza, et Giulio Starace, ancien concepteur de benchmarks chez OpenAI. C'est un transformer dense de 1 milliard de paramètres entraîné de zéro sur moins de 300 milliards de tokens sélectionnés, avec une architecture empruntée aux travaux communautaires de speedrun de pré-entraînement (un mélange de couches d'attention locale et globale), puis post-entraîné avec des données synthétiques, du fine-tuning supervisé et de l'apprentissage par renforcement. Il gère des séquences jusqu'à 131 072 tokens.
Il fait une seule chose : résoudre des problèmes de mathématiques de compétition en un seul tour. Paradigma a volontairement limité l'instruction tuning, si bien que ce n'est pas un assistant conversationnel et qu'il transforme souvent une question ordinaire en problème de mathématiques. Les poids et le plugin de service vLLM sont sous Apache 2.0 ; un rapport technique est promis mais pas encore publié.
Limite 1B - Violetto vaut-il le coup ?
Dans le propre tableau de Paradigma, Limite fait des mathématiques de compétition à un niveau qu'aucun modèle de 1B n'avait atteint. Il obtient 94,01 % sur AIME 2026, 83,62 % sur HMMT February 2026 et 74,25 % sur BeyondAIME, contre 93,85 %, 78,98 % et 72,00 % pour VibeThinker-3B, trois fois plus gros, et 93,44 %, 80,87 % et 70,00 % pour MUSE-Glimmer de 30B. MiniCPM5-2B, le petit généraliste le plus solide du tableau, obtient 90,21 % sur AIME 2026 et reste derrière Limite sur les sept benchmarks ; VibeThinker-3B ne le devance que sur AIME 2025 et ArXivMath. GLM 5.2 et Gemini 3 Pro restent en tête sur le jeu le plus difficile, APEX Shortlist, à 68,09 % et 66,49 % contre 50,80 % pour Limite.
Deux réserves s'appliquent. Tous les chiffres de Limite sont autodéclarés, les scores de plusieurs concurrents ont été recopiés depuis des fiches de modèles ou MathArena au lieu d'être recalculés, et la note de bas de page prévient que les paramètres d'évaluation diffèrent. Le rapport technique qui expliquerait les données d'entraînement est toujours attendu, ce qui compte, car la contamination est l'inquiétude habituelle quand un modèle aussi petit obtient des scores aussi élevés sur des concours de 2026.
L'étroitesse est un choix de conception, et Paradigma le dit franchement. Ses propres exemples montrent le modèle répondant à « What is photosynthesis? » par une description de la division cellulaire et traitant une chaîne d'injection citée comme une suite à dériver. La fiche demande une question par conversation, le prompt système canonique et aucun historique. Cela l'exclut comme assistant généraliste ou comme composant exposé à du texte non fiable, mais convient à un pipeline qui ne lui envoie jamais que des mathématiques.
En déploiement, il est peu coûteux à faire tourner mais exigeant. La voie recommandée est le plugin vLLM 0.26 de Paradigma sur CUDA 13 avec un GPU NVIDIA ; Transformers fonctionne avec trust_remote_code mais n'a été validé que sur un H100, et aucune des deux voies ne prend officiellement en charge le sharding ni le fine-tuning. La fiche ne mentionne aucun build GGUF ni Apple.
Là où il fait la différence
Un chercheur en ML qui étudie le raisonnement des petits modèles
Générer des milliers de solutions échantillonnées par problème pour étudier le best-of-n et la vérification
Servez-le avec le plugin vLLM sur un GPU à une température de 0,6 et échantillonnez largement ; avec 1B de paramètres, le débit par carte est bien supérieur à celui des modèles de 27B à 30B qu'il concurrence. Vérifiez les réponses avec un vérificateur, puisque les scores sont autodéclarés.
Une plateforme en ligne de préparation aux olympiades de mathématiques
Rédiger des solutions détaillées d'exercices avant qu'un entraîneur ne les relise
Envoyez un problème par requête avec le prompt système canonique et sans historique. Gardez-le derrière une étape de relecture et à l'écart du chat libre des élèves, où il dérive vers des mathématiques sans rapport.
Avant de vous engager
- Mise en route
- git clone paradigma-inc/limite-violetto, uv sync --locked, puis VLLM_PLUGINS=limite uv run vllm serve ; exige Linux x86-64, un GPU NVIDIA et un pilote compatible CUDA 13. Transformers fonctionne avec trust_remote_code.
- Intégrations
- Service compatible OpenAI via vLLM ; Transformers avec SDPA ou FlashAttention 2 (mais pas FlashAttention 2 avec un cache statique). Aucun build GGUF, Ollama ou MLX n'est mentionné sur la fiche.
- Données et confidentialité
- Auto-hébergement uniquement, donc les problèmes et les réponses restent sur votre matériel. Les données d'entraînement ne sont décrites que comme moins de 300 milliards de tokens sélectionnés ; les détails attendent le rapport technique.
- Coût à grande échelle
- Poids gratuits ; un checkpoint BF16 de 1B pèse environ 2 GB, si bien qu'un seul GPU suffit à le servir, avec un parallélisme de tenseurs et de pipeline maintenu à 1 selon la fiche. Aucun prix hébergé n'existe.
- Limites
- Usage en un seul tour uniquement ; perd le fil des prompts non mathématiques ; le fine-tuning, LoRA et le sharding sur plusieurs GPU ne sont pas officiellement pris en charge.
Les points forts
- 94,01 % sur AIME 2026 avec 1B de paramètres, selon Paradigma
- Devant des modèles de 3B à 30B sur la plupart de ses sept benchmarks de mathématiques
- Poids et plugin de service sous Apache 2.0
- Contexte de 131K tokens pour les longues solutions
Les points faibles
- Scores autodéclarés ; rapport technique pas encore publié
- Réinterprète les questions non mathématiques comme des mathématiques
- Un seul tour uniquement ; mal adapté aux entrées non fiables
- Officiellement NVIDIA et CUDA 13 uniquement ; pas de prise en charge du fine-tuning
Idéal pour
Les chercheurs et les équipes edtech qui ont besoin de nombreuses solutions de mathématiques de compétition à bas coût et peuvent vérifier les réponses automatiquement.
Alternatives à Limite 1B - Violetto
Limite 1B - Violetto : questions fréquentes
- Limite 1B - Violetto vaut-il le coup ?
- Des mathématiques remarquables pour sa taille, inutile en dehors des mathématiques, et jusqu'ici évalué uniquement par ceux qui l'ont créé. Nous lui donnons 3.6 sur 5.
- Combien coûte Limite 1B - Violetto ?
- Poids ouverts gratuits sous Apache 2.0. Pas d'API hébergée ; vous ne payez que votre propre GPU.
- Quels sont les inconvénients de Limite 1B - Violetto ?
- Scores autodéclarés ; rapport technique pas encore publié; réinterprète les questions non mathématiques comme des mathématiques; un seul tour uniquement ; mal adapté aux entrées non fiables; officiellement NVIDIA et CUDA 13 uniquement ; pas de prise en charge du fine-tuning.
- À qui s’adresse Limite 1B - Violetto ?
- Les chercheurs et les équipes edtech qui ont besoin de nombreuses solutions de mathématiques de compétition à bas coût et peuvent vérifier les réponses automatiquement.
- Combien coûte Limite 1B - Violetto pour une équipe ou en production ?
- Poids gratuits ; un checkpoint BF16 de 1B pèse environ 2 GB, si bien qu'un seul GPU suffit à le servir, avec un parallélisme de tenseurs et de pipeline maintenu à 1 selon la fiche. Aucun prix hébergé n'existe.
- Limite 1B - Violetto est-il sûr pour les données de l’entreprise ?
- Auto-hébergement uniquement, donc les problèmes et les réponses restent sur votre matériel. Les données d'entraînement ne sont décrites que comme moins de 300 milliards de tokens sélectionnés ; les détails attendent le rapport technique.
- Quelles sont les meilleures alternatives à Limite 1B - Violetto ?
- Les alternatives les plus proches que nous avons testées sont MiniCPM5-2B, Qwen3.8-27B et SmolLM3-3B.
Réponses vérifiées le 2 nov. 2026.