/ Модель

Характеристики

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

ModujoMoE

Генерация текстаТекст → текст3 профессии

Экспериментальная базовая MoE-модель на 1 млрд параметров для продолжения текста и исследований языкового моделирования.

457скачиваний за 30 дней1лайквеса обновлены27 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

Modujo — экспериментальная базовая языковая модель, опубликованная Alexhu1999 в виде продолженного предобучения. В карточке репозитория указан доступный чекпойнт в каталоге pretrain/Modujo-1B-A0.75B: архитектура Qwen4ExpForCausalLM типа MoE, около 1 млрд параметров всего и примерно 0,75 млрд активных параметров на токен. Используются 36 слоёв с восемью маршрутизируемыми экспертами на слой, выбором двух экспертов и одним общим экспертом; блоки внимания чередуют три слоя Gated DeltaNet и один слой плотного внимания.

Модель предназначена для продолжения текста и исследовательских экспериментов с базовым языковым чекпойнтом. Она не прошла настройку на инструкции и не предназначена для использования как чат-ассистент. Метаданные указывают контекст до 32 768 токенов, однако обучение проводилось на последовательностях длиной до 2 048 токенов. Веса доступны в BF16 safetensors. В корне репозитория весов нет: для загрузки требуется указать подкаталог чекпойнта.

Карточка предупреждает, что длинные генерации могут повторяться, а следование инструкциям нестабильно; для диалогового применения нужен отдельный SFT- или выровненный релиз. Условия лицензирования в предоставленных данных не описаны.

Сценарии применения

  • продолжение короткого текстового фрагмента
  • эксперименты с базовыми языковыми моделями MoE
  • оценка архитектуры с чередованием Gated DeltaNet и плотного внимания

Ограничения

Это базовая модель без настройки на инструкции: следование инструкциям нестабильно, а длинные генерации могут повторяться. Хотя конфигурация контекста достигает 32 768 токенов, обучение проводилось на последовательностях до 2 048 токенов.

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

Modujo model weights

This repository keeps model variants in self-contained subdirectories. The repository name is retained for compatibility, but the repository root no longer contains model weights and must not be loaded directly.

Weight directories

PathModelMeaningStatus
pretrain/Modujo-1B-A0.75B/Modujo-1B-A0.75BContinued-pretraining base model: 1B total scale and A0.75B active scaleAvailable
Repository rootHistorical 9B-A1B architecture metadata and shared tokenizer filesThe original random-initialized 9B weight shards were removed; this is not a loadable model directoryNo weights

There are currently no SFT, chat, RL, or looped-model weights in this repository. New variants should be published in their own named directories so their training stage and actual parameter size remain explicit.

Pretrained base model

pretrain/Modujo-1B-A0.75B/ is the released pretraining artifact.

  • Architecture: Qwen4ExpForCausalLM
  • Model size: 1B total scale
  • Active size: approximately A0.75B per token
  • 36 layers with 8 routed experts per layer, top-2 routing, and one shared expert
  • Attention layout: repeating 3 Gated DeltaNet layers + 1 dense-attention layer
  • Context configuration: 32K maximum positions; training sequences were up to 2,048 tokens
  • Weight format: BF16 safetensors
  • Training stage: continued-pretraining base model
  • Not instruction-tuned and not intended to be treated as a chat model
  • No QSA sparse indexer in this release

Detailed machine-readable size metadata is recorded in parameter_summary.json.

Loading

Pass the subdirectory explicitly:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "Alexhu1999/Modujo-9B-A1B"
subfolder = "pretrain/Modujo-1B-A0.75B"

tokenizer = AutoTokenizer.from_pretrained(repo_id, subfolder=subfolder)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    subfolder=subfolder,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

Loading only Alexhu1999/Modujo-9B-A1B without subfolder will fail because there are intentionally no weights at the repository root.

Planned experiments

The current base model will be evaluated through three separate tracks:

  • SFT: improve instruction following, response quality, repetition control, and multi-turn dialogue stability.
  • QSA: add and train sparse attention indexers, then compare long-context quality, inference speed, and memory use against dense attention.
  • Looped Transformer: reuse selected Transformer layers to test whether deeper computation with shared parameters provides a practical quality and efficiency benefit.

These tracks will be evaluated independently before any combined model is considered. Future weights will use separate directories with explicit names.

Limitations

This is a base language model checkpoint. It can perform short text completion, but long generations may repeat and instruction following is not yet stable. Use a separately identified SFT or aligned release for assistant/chat use when one becomes available.

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
b152483

0 моделей