/ Модель

Характеристики

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

Marco-Nano-Base

Генерация текстаТекст → текст11 профессий

Разреженная многоязычная модель Marco-MoE для генерации текста и диалогов с низким числом активируемых параметров.

119скачиваний за 30 дней17лайковвеса 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-Nano-Base — компактная разреженная языковая модель семейства Marco-MoE, разработанная Alibaba International Digital Commerce. Это decoder-only Transformer с архитектурурой Mixture-of-Experts: по README, из 8 млрд параметров на каждый токен активируются около 0,6 млрд. Модель создана на основе Qwen3-0.6B-Base с помощью разбиения матриц и Drop-Upcycling; в метаданных указаны архитектура Qwen3 MoE и 507,9 млн параметров, поэтому фактический размер репозитория отличается от описания в README.

Модель предназначена для генерации текста и диалогов на 29 языках, включая английский, китайский, русский, арабский, японский и другие. Поддерживает контекст до 32 768 токенов и интерфейс вызова инструментов. README приводит результаты сравнительных тестов: модель показывает конкурентные результаты на англоязычных и многоязычных бенчмарках при низком числе активных параметров.

Для запуска используются Transformers и веса Safetensors. Лицензия — Apache-2.0. Как базовая модель, она предназначена для дальнейшей адаптации; README не описывает ограничения по качеству для отдельных языков или сценариев, поэтому результаты бенчмарков не гарантируют качество на конкретных пользовательских задачах.

Сценарии применения

  • генерация ответов в многоязычном чат-боте
  • создание черновиков и продолжение текста
  • ответы на вопросы на поддерживаемых языках
  • генерация текста с вызовом инструментов
  • адаптация базовой модели под прикладные задачи

Ограничения

Заявленные в README результаты основаны на бенчмарках и не гарантируют качество в конкретном сценарии или на каждом из поддерживаемых языков. README сообщает 8 млрд общих параметров, тогда как метаданные указывают 507,9 млн параметров; эти сведения расходятся.

Для каких профессий подходит11

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-Nano-Base

Marco-Nano-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 0.6B out of 8B total parameters (7.5% activation ratio) per token, achieving strong English and multilingual performance across 29 languages while requiring significantly less compute than comparable dense models.

Model Description

Marco-Nano 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 Parameters8B
Activated Parameters0.6B
Activation Ratio7.5%
Num Layers28
Model Dimension1024
FFN Intermediate Dimension3072
Q-Heads16
KV-Heads8
Head Dimension128
Expert Dimension384
Total Experts232
Activated Experts8
Tie EmbeddingsTrue
Training FLOPs$1.40 \times 10^{23}$

Training Details

Marco-Nano 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-Nano against size-matched baselines: Qwen3-1.7B (1.7B activated), Trinity Nano (1.09B activated), and Granite4-Tiny (1.47B activated). Marco-Nano uses only 0.6B activated parameters — the smallest among all baselines.

English

Benchmark# ShotsQwen3-1.7BTrinity NanoGranite4-TinyMarco-Nano
MMLU (Acc)5-shot65.164.769.164.7
MMLU-Redux (Acc)0-shot61.260.165.862.9
MMLU-Pro (Acc)5-shot33.232.032.135.9
AGIEval (Acc)0-shot35.931.436.138.4
BBH (EM)3-shot54.549.359.953.5
ARC-Easy (Acc)0-shot69.377.978.575.3
ARC-Challenge (Acc)0-shot42.853.552.349.4
HellaSwag (Acc)0-shot66.677.477.969.2
WinoGrande (Acc)0-shot57.157.158.653.4
BoolQ (Acc)0-shot74.671.563.571.2
CommonsenseQA (Acc)0-shot49.554.155.955.7
OpenBookQA (Acc)0-shot36.442.043.639.4
PIQA (Acc)0-shot75.569.680.676.5
SIQA (Acc)0-shot47.852.753.046.0
GSM8K (EM)5-shot69.157.870.769.7
Average-55.956.759.857.5

Multilingual — General

Benchmark# ShotsQwen3-1.7BTrinity NanoGranite4-TinyMarco-Nano
GlobalMMLU (Acc)5-shot49.643.654.852.2
MMMLU (Acc)0-shot48.641.252.352.6
MMLU-ProX-Lite (Acc)5-shot27.220.330.128.9
BELEBELE (Acc)0-shot67.554.561.273.8
mHellaSwag (Acc_norm)0-shot43.942.553.248.8
mARC-Challenge (Acc_norm)0-shot34.730.939.936.9
FLORES-200 En→Xx (BLEU)5-shot18.615.125.424.7
FLORES-200 Xx→En (BLEU)5-shot31.531.136.733.6
WMT24++ En→Xx (BLEU)5-shot18.315.021.920.7
WMT24++ Xx→En (BLEU)5-shot28.328.030.728.1
MGSM (EM)8-shot58.840.656.765.3
Average-38.833.042.142.3

Multilingual — Cultural & Regional

Benchmark# ShotsQwen3-1.7BTrinity NanoGranite4-TinyMarco-Nano
INCLUDE (Acc)5-shot51.243.952.153.2
Global-PIQA (Acc_norm)0-shot60.352.364.064.3
CMMLU (Acc)5-shot66.149.653.555.5
C-Eval (Acc)5-shot65.147.650.956.0
ArabicMMLU (Acc)3-shot57.644.060.555.8
TurkishMMLU (Acc)5-shot47.929.641.848.9
GreekMMLU (Acc)5-shot58.152.262.364.1
KazakhMMLU (Acc)5-shot52.143.152.653.1
IndoMMLU (Acc)0-shot51.041.549.051.0
IndoCareer (Acc)3-shot53.946.753.052.1
IndoCulture (Acc)0-shot51.649.851.357.4
Average-55.945.553.755.6

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "AIDC-AI/Marco-Nano-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
69a934e

0 моделей