/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
1,5 млрд
Размер весов
18 ГБ
Архитектура
qwen4_exp_text · MoE
Библиотека
transformers
Опубликована
13 сен 2026

Modujo-9B-A1B

Генерация текстаТекст → текст3 профессии

Случайно инициализированный текстовый MoE-чекпойнт на 9 млрд параметров с контекстом 32 768 токенов, предназначенный для дальнейшего предварительного обучения или дистилляции.

457скачиваний за 30 дней1лайквеса обновлены14 сен 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

Alexhu1999/Modujo-9B-A1B — случайно инициализированный текстовый чекпойнт архитектуры Qwen4ExpForCausalLM, опубликованный пользователем Alexhu1999. Это смесь экспертов с 9,00 млрд параметров: 32 слоя, включая 24 слоя Gated DeltaNet и 8 слоёв Qwen Sparse Attention; в каждом слое 64 маршрутизируемых эксперта с выбором top-2 и один общий эксперт. Для каждого токена активируется около 0,995 млрд параметров.

Модель рассчитана на генерацию текста и имеет шаблон чата; контекст — 32 768 токенов. Используются веса BF16 в формате safetensors и токенизатор Qwen3.8-Flash-Next. Модель принимает только текст, визуального энкодера нет. Веса случайные, поэтому перед полезным применением модель необходимо предварительно обучить или дистиллировать. Условия лицензии в предоставленных данных не описаны.

Сценарии применения

  • изучение и настройка архитектуры Qwen4Exp с разреженным MoE
  • эксперименты с предварительным обучением языковой модели
  • дистилляция языковой модели в архитектуру MoE
  • тестирование загрузки чекпойнта и чат-шаблона в Transformers

Ограничения

Случайные веса не позволяют использовать модель для осмысленного вывода; для этого требуется предварительное обучение или дистилляция. Поддерживается только текстовый ввод, визуального энкодера нет.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

FlashNext-MoE-9B-A1B

Randomly initialized, language-only Qwen4ExpForCausalLM checkpoint.

  • Parameters: 9,000,082,560 (9.000082560B)
  • Approximate active backbone parameters per token: 0.995B
  • 32 layers: 24 Gated DeltaNet and 8 Qwen Sparse Attention
  • 64 routed experts, top-2, plus one shared expert per layer
  • No vision tower and no MTP head
  • BF16 weights in five safetensors shards
  • Qwen3.8-Flash-Next tokenizer and chat template

These weights are random and must be pretrained or distilled before useful inference.

from transformers import AutoModelForCausalLM, AutoTokenizer

path = "/path/to/flashnext-moe-9b/model"
tokenizer = AutoTokenizer.from_pretrained(path)
model = AutoModelForCausalLM.from_pretrained(path, dtype="bfloat16")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen4ExpForCausalLM
Ревизия весов
a18b154

0 моделей