Limite 1B - Violettoとは？
Limite 1B - Violettoは、ローマの研究系スタートアップParadigmaの最初のモデルです。創業者には、Sapienza大学教授のEmanuele Rodolàと、OpenAIでベンチマークを作っていたGiulio Staraceが含まれます。10億（1 billion）パラメータの密なTransformerで、厳選した3,000億（300 billion）未満のトークンでゼロから学習しています。アーキテクチャはコミュニティの事前学習のスピードラン（speedrun）の取り組みから借りたもの（局所と大域の注意の層の組み合わせ）で、その後、合成データ、教師ありのファインチューニング、強化学習で事後学習しています。扱えるシーケンスは最大131,072トークンです。
できることは1つ、競技数学を1回のやり取りで解くことです。Paradigmaは意図的に指示チューニングを軽くしているので、チャットのアシスタントではなく、普通の質問をしばしば数学の問題に変えてしまいます。重みとvLLMのサービング用プラグインはApache 2.0です。技術レポートは約束されていますが、まだ公開されていません。
Limite 1B - Violettoは使う価値があるか？
Paradigma自身の表では、Limiteは1Bのモデルとしてかつてない水準で競技数学を解きます。AIME 2026で94.01%、HMMT February 2026で83.62%、BeyondAIMEで74.25%で、3倍の大きさのVibeThinker-3Bは93.85%、78.98%、72.00%、30BのMUSE-Glimmerは93.44%、80.87%、70.00%です。表の中で最も強い小型の汎用モデルであるMiniCPM5-2BはAIME 2026で90.21%で、7つのベンチマークすべてでLimiteに及びません。VibeThinker-3BがLimiteを上回るのは、AIME 2025とArXivMathだけです。最も難しいセットのAPEX Shortlistでは、GLM 5.2とGemini 3 Proが68.09%と66.49%で依然として首位で、Limiteは50.80%です。
注意すべき点が2つあります。Limiteの数字はすべて自己申告で、いくつかの競合のスコアは再計測ではなく、モデルカードやMathArenaから転記したもので、脚注は評価の設定が異なると警告しています。学習データを説明するはずの技術レポートはまだ出ていません。これほど小さなモデルが2026年の大会でこれほど高い点を取るなら、データの混入（contamination）がいつもの心配だからです。
範囲の狭さは設計上の選択で、Paradigmaはそれを率直に認めています。自社の例では、「光合成とは何ですか」という質問に細胞分裂の説明で答え、引用されたインジェクションの文字列を微分すべき数列として扱っています。モデルカードは、1つの会話に1つの質問、標準のシステムプロンプト、履歴なしで使うよう求めています。そのため汎用のアシスタントや、信頼できないテキストを目にする部品には使えませんが、数学だけを送るパイプラインには向いています。
導入では、動かすのは安いものの扱いが細かいモデルです。推奨されるのは、NVIDIAのGPUとCUDA 13上でParadigmaのvLLM 0.26用プラグインを使う方法です。Transformers もtrust_remote_codeで動きますが、検証されたのはH100だけで、どちらの方法も分割（sharding）やファインチューニングを公式にはサポートしていません。モデルカードにはGGUFやApple向けのビルドは載っていません。
真価を発揮する場面
小型モデルの推論を研究するMLの研究者
best-of-nと検証を研究するため、1問あたり数千の解答をサンプリングする
GPU 1基でvLLMのプラグインを使い、温度0.6で動かして幅広くサンプリングします。1Bパラメータなので、カード1枚あたりのスループットは、競合する27Bから30Bのモデルよりはるかに高くなります。スコアは自己申告なので、答えは検証器で確認してください。
オンラインの数学オリンピック指導のプラットフォーム
コーチが確認する前に、練習問題の解答例の下書きを作る
標準のシステムプロンプトを使い、履歴なしで、1リクエストに1問ずつ送ります。確認の工程の後ろに置き、生徒との自由なチャットからは遠ざけてください。そこでは無関係な数学に脱線します。
導入前に確認すること
- 導入
- git clone paradigma-inc/limite-violettoを実行し、uv sync --lockedのあとVLLM_PLUGINS=limite uv run vllm serveを実行します。Linux x86-64、NVIDIAのGPU、CUDA 13に対応したドライバーが必要です。Transformersもtrust_remote_codeで動きます。
- 連携
- vLLMによるOpenAI互換のサービング。SDPAかFlashAttention 2を使うTransformers（静的キャッシュでのFlashAttention 2は不可）。モデルカードにはGGUF、Ollama、MLXのビルドは載っていません。
- データとプライバシー
- セルフホストのみなので、問題と答えは自分のハードウェアにとどまります。学習データは厳選した3,000億未満のトークンとしか説明されておらず、詳細は技術レポートを待つことになります。
- 大規模利用時のコスト
- 重みは無料です。1BのBF16のチェックポイントは約2 GBなのでGPU 1基で動かせ、モデルカードに従ってテンソル並列とパイプライン並列は1のままにします。ホスト版の価格はありません。
- 制限
- 1回のやり取りでの利用のみです。数学以外のプロンプトでは質問の範囲を見失います。ファインチューニング、LoRA、複数GPUへの分割は公式にはサポートされていません。
良い点
- Paradigmaによると、1BパラメータでAIME 2026が94.01%
- 7つの数学のベンチマークのほとんどで3Bから30Bのモデルを上回る
- 重みとサービング用プラグインがApache 2.0
- 長い解答にも対応する131Kトークンのコンテキスト
気になる点
- スコアは自己申告で、技術レポートはまだ出ていない
- 数学以外の質問を数学として解釈し直す
- 1回のやり取りのみで、信頼できない入力には向かない
- 公式にはNVIDIAとCUDA 13のみで、ファインチューニングのサポートがない
おすすめの人
競技数学の解答を安く大量に必要とし、答えを自動で検証できる研究者や教育テックのチーム。
Limite 1B - Violettoの代替
Limite 1B - Violetto：よくある質問
- Limite 1B - Violettoは使う価値があるか？
- パラメータあたりの数学の力は目を見張るものですが、数学以外では役に立たず、これまで採点したのは作った当人たちだけです。 評価は5点満点中3.6点です。
- Limite 1B - Violettoの料金は？
- Apache 2.0の無料のオープンウェイトです。ホスト版のAPIはなく、支払うのは自分のGPUの費用だけです。
- Limite 1B - Violettoの欠点は？
- スコアは自己申告で、技術レポートはまだ出ていない; 数学以外の質問を数学として解釈し直す; 1回のやり取りのみで、信頼できない入力には向かない; 公式にはNVIDIAとCUDA 13のみで、ファインチューニングのサポートがない.
- Limite 1B - Violettoは誰に向いているか？
- 競技数学の解答を安く大量に必要とし、答えを自動で検証できる研究者や教育テックのチーム。
- チームや本番環境でLimite 1B - Violettoを使うと費用はいくらか？
- 重みは無料です。1BのBF16のチェックポイントは約2 GBなのでGPU 1基で動かせ、モデルカードに従ってテンソル並列とパイプライン並列は1のままにします。ホスト版の価格はありません。
- Limite 1B - Violettoは企業データを扱っても安全か？
- セルフホストのみなので、問題と答えは自分のハードウェアにとどまります。学習データは厳選した3,000億未満のトークンとしか説明されておらず、詳細は技術レポートを待つことになります。
- Limite 1B - Violettoの代わりになるものは？
- 当サイトでレビューした中 で最も近い代替はMiniCPM5-2B, Qwen3.8-27B 、 SmolLM3-3Bです。
回答確認日：2026年11月2日