/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
508 млн
Размер весов
69,6 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Библиотека
transformers
Опубликована
3 апр 2026

Marco-Mini-Base

Генерация текстаТекст → текст12 профессий

Разреженная мультиязычная MoE-модель Alibaba для генерации текста и диалоговых задач с контекстом до 32 768 токенов.

110скачиваний за 30 дней10лайковвеса обновлены3 апр 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Marco-Mini-Base — компактная разреженная мультиязычная языковая модель семейства Marco-MoE, разработанная Alibaba International Digital Commerce. Она предназначена для генерации текста и диалоговых сценариев, включая ответы на вопросы, следование инструкциям и использование интерфейса вызова инструментов.

Модель построена на декодерном Transformer с разреженными слоями Mixture-of-Experts и архитектурой Qwen3 MoE. В README указаны 17,3 млрд параметров всего и 0,86 млрд активируемых на токен; метаданные Hugging Face указывают 507,9 млн параметров, поэтому размер модели в источниках расходится. Контекст составляет 32 768 токенов. Модель поддерживает 29 языков, в том числе русский, английский и китайский. README сообщает о сравнительных результатах на англоязычных и мультиязычных бенчмарках, но приведённые таблицы содержат только часть результатов.

Модель описана как upcycling-вариант Qwen3-0.6B-Base с разбиением матриц на подматрицы и Drop-Upcycling. В репозитории указаны веса Safetensors и лицензия Apache-2.0. Показатели качества основаны на бенчмарках из карточки; они не гарантируют результат для конкретного приложения.

Сценарии применения

  • генерация ответов на вопросы на нескольких языках
  • ведение диалога и выполнение инструкций
  • создание и продолжение текста
  • использование инструментов в диалоговом приложении

Ограничения

В README указаны результаты бенчмарков, однако они не гарантируют качество в конкретных сценариях. Размер модели расходится между источниками: README сообщает 17,3 млрд параметров всего, а метаданные — 507,9 млн.

Для каких профессий подходит12

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Marco-Mini-Base

Marco-Mini-Base is a compact, highly sparse Mixture-of-Experts (MoE) multilingual language model from the Marco-MoE family, developed by Alibaba International Digital Commerce. It activates only 0.86B out of 17.3B total parameters (5% activation ratio) per token, matching or surpassing dense models with up to 4B parameters on English and multilingual benchmarks across 29 languages — while using 5.5x fewer training FLOPs than Qwen3-4B.

Model Description

Marco-Mini is built on a decoder-only Transformer architecture with sparse MoE layers replacing standard FFN layers. It is upcycled from Qwen3-0.6B-Base using a fine-grained sub-matrix splitting strategy combined with Drop-Upcycling to promote expert diversification.

ConfigurationValue
Total Parameters17.3B
Activated Parameters0.86B
Activation Ratio5%
Num Layers28
Model Dimension1024
FFN Intermediate Dimension3072
Q-Heads16
KV-Heads8
Head Dimension128
Expert Dimension768
Total Experts256
Activated Experts8
Tie EmbeddingsTrue
Training FLOPs$1.56 \times 10^{23}$

Training Details

Marco-Mini was pre-trained on 5.1 trillion tokens using a four-stage curriculum:

  1. Stage 1 (0 - 2.4T tokens): Foundational Training — High-quality English data (Nemotron-CC-v2), reasoning and instruction data, and multilingual web/QA data for 19 languages.
  2. Stage 2 (2.4T - 4.1T tokens): Optimization & Upsampling — Upsampled reasoning corpora, downsampled English web data, and upsampled Chinese data with learning rate decay.
  3. Stage 3 (4.1T - 4.6T tokens): Language Expansion — Added 9 new languages (Bengali, Czech, Urdu, Kazakh, Greek, Romanian, Hungarian, Nepali, Azerbaijani) and upsampled medium-resource languages.
  4. Stage 4 (4.6T - 5.1T tokens): Synthetic Data Integration — Curated multilingual synthetic data including cultural content (Fineweb2-Culture) and synthetic regional MCQs.

Supported Languages

English, Chinese, Arabic, German, Spanish, French, Korean, Japanese, Portuguese, Turkish, Indonesian, Italian, Dutch, Polish, Russian, Vietnamese, Thai, Hebrew, Ukrainian, Malay, Bengali, Czech, Urdu, Kazakh, Greek, Romanian, Hungarian, Nepali, Azerbaijani

Evaluation

We compare Marco-Mini against strong baselines: Qwen3-4B (4B activated), Trinity Mini (3.85B activated), Gemma3-4B (4B activated), SmolLM3-3B (3B activated), Llama3.2-3B (3B activated), and Tiny-Aya-3.35B (3.35B activated). Marco-Mini uses only 0.86B activated parameters — far fewer than all baselines.

English

Benchmark# ShotsLlama3.2-3BSmolLM3-3BGemma3-4BTiny-Aya-3.35BQwen3-4BTrinity MiniMarco-Mini
MMLU (Acc)5-shot57.662.661.158.675.271.472.8
MMLU-Redux (Acc)0-shot56.958.457.751.771.368.268.8
MMLU-Pro (Acc)5-shot26.035.128.826.945.941.345.3
AGIEval (Acc)0-shot31.234.532.629.044.039.741.9
BBH (EM)3-shot47.160.052.246.872.357.665.1
ARC-Easy (Acc)0-shot71.878.582.676.575.080.682.4
ARC-Challenge (Acc)0-shot46.052.654.147.449.957.856.3
HellaSwag (Acc)0-shot75.676.176.771.074.482.877.4
WinoGrande (Acc)0-shot58.658.961.456.659.660.857.7
BoolQ (Acc)0-shot75.279.376.674.674.272.574.2
CommonsenseQA (Acc)0-shot60.455.461.160.452.957.761.5
OpenBookQA (Acc)0-shot42.240.442.640.442.644.844.6
PIQA (Acc)0-shot78.279.180.376.977.471.781.1
SIQA (Acc)0-shot51.049.850.449.953.052.549.4
GSM8K (EM)5-shot27.367.439.358.081.757.576.4
Average-53.759.257.255.563.361.163.7

Multilingual — General

Benchmark# ShotsLlama3.2-3BSmolLM3-3BGemma3-4BTiny-Aya-3.35BQwen3-4BTrinity MiniMarco-Mini
GlobalMMLU (Acc)5-shot43.246.750.850.061.652.664.2
MMMLU (Acc)0-shot44.047.347.444.559.350.962.0
MMLU-ProX-Lite (Acc)5-shot22.428.324.324.338.532.239.2
BELEBELE (Acc)0-shot60.154.365.765.481.567.679.8
mHellaSwag (Acc_norm)0-shot49.049.655.253.553.251.558.6
mARC-Challenge (Acc_norm)0-shot34.236.141.537.242.537.545.4
FLORES-200 En→Xx (BLEU)5-shot23.519.732.130.225.413.732.3
FLORES-200 Xx→En (BLEU)5-shot34.630.339.737.336.824.140.1
WMT24++ En→Xx (BLEU)5-shot16.417.827.726.123.97.528.1
WMT24++ Xx→En (BLEU)5-shot28.927.434.032.732.910.634.4
MGSM (EM)8-shot22.450.836.638.476.057.275.6
Average-34.437.141.439.948.336.950.9

Multilingual — Cultural & Regional

Benchmark# ShotsLlama3.2-3BSmolLM3-3BGemma3-4BTiny-Aya-3.35BQwen3-4BTrinity MiniMarco-Mini
INCLUDE (Acc)5-shot45.546.252.653.961.451.961.7
Global-PIQA (Acc_norm)0-shot62.260.969.467.965.457.272.3
CMMLU (Acc)5-shot44.150.150.258.876.258.668.0
C-Eval (Acc)5-shot43.147.948.557.676.657.166.0
ArabicMMLU (Acc)3-shot48.960.661.663.267.057.167.1
TurkishMMLU (Acc)5-shot36.728.443.745.260.643.062.7
GreekMMLU (Acc)5-shot56.464.063.466.369.459.770.3
KazakhMMLU (Acc)5-shot44.747.452.147.162.349.662.6
IndoMMLU (Acc)0-shot47.043.748.552.060.151.059.9
IndoCareer (Acc)3-shot48.647.753.456.661.555.261.5
IndoCulture (Acc)0-shot50.144.559.158.561.157.662.3
Average-47.949.254.857.065.654.465.0

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "AIDC-AI/Marco-Mini-Base"
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name, device_map="auto")

input_text = "The capital of France is"
inputs = tokenizer(input_text, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=50)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Citation

@article{marco-moe,
  title={Marco-MoE: Open Multilingual Mixture-of-Expert Language Models with Efficient Upcycling},
  author={Fan Jiang, Yu Zhao, Chenyang Lyu, Tianqi Shi, Yichao Du, Feihu Jiang, Longyue Wang and Weihua Luo},
  year={2026}
}

License

This model is released under the Apache 2.0 License.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
283c9c7

0 моделей