/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
107 млн
Лицензия
MIT
Архитектура
maba · dense
Библиотека
transformers
Опубликована
12 сен 2026

maba-v1-101m-test

Генерация текстаТекст → текст3 профессии

Компактная предварительно обученная англоязычная модель Maba v1.1 для генерации текста и экспериментов с гибридной рекуррентно-внимательной архитектурой.

1 196скачиваний за 30 дней1лайквеса обновлены1 окт 2026

Бенчмарки

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

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

Maba v1.1 — предварительно обученная языковая модель AndrewThompson1233 с 101,177,984 параметрами для генерации текста. Она предназначена для продолжения текстовых запросов и экспериментов с компактными языковыми моделями; в README приведены результаты сравнительных тестов на ARC-Easy, HellaSwag и Story-Cloze после обучения на 16 млн токенов TinyStories.

Модель использует гибридную архитектуру: 15 слоёв GDN-2 и 5 слоёв группового внимания GQA, а также multi-token prediction. Контекст составляет 4096 токенов; поддерживаются точности bfloat16 и float32. Для ускоренной генерации README описывает спекулятивное декодирование. Карточка указывает английский язык и лицензию MIT.

Результаты бенчмарков относятся к указанному обучающему набору и условиям сравнительной оценки, поэтому не гарантируют качество на широком круге задач. Модель компактная и ограничена контекстом в 4096 токенов; подробности архитектуры и движок инференса вынесены в отдельный репозиторий.

Сценарии применения

  • продолжение коротких англоязычных историй
  • генерация текста по начальной фразе
  • эксперименты с компактными языковыми моделями
  • сравнение архитектур на небольшом бюджете параметров

Ограничения

Обучение описано на 16 млн токенов TinyStories, поэтому приведённые результаты бенчмарков не подтверждают качество для широкого спектра задач. Контекстное окно ограничено 4096 токенами.

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

Maba-101M: Pretrained Checkpoint and Benchmark Evaluation

Official weights and benchmark evaluations for the 101M Maba v1.1 model (101,177,984 total parameters, 96,327,040 core computation parameters).

[!NOTE] Architecture Specification and C++ Source Code For the complete architectural specification, layer mathematics, C++ native inference engine, and test suites, see the core architecture repository: AndrewThompson1233/maba-v1-architecture

Looking for Maba v2? See AndrewThompson1233/maba-v2-architecture (GitHub) for 1,000,000+ context scaling and O(1) decode.



4-Way Model Showdown (~101M Parameters)

All 4 models were evaluated under an equalized parameter budget (~101M parameters) trained on the exact same 16,000,000 tokens of TinyStories and evaluated under identical conditions:

Table 1: Standardized Benchmark Results (3,000 Total Tasks)

ArchitectureARC-Easy (250)HellaSwag (250)Story-Cloze (250)Val Loss (500 seq)Val PPL (500 seq)Rank
Maba v1.1 (101M)26.80%24.00%25.20%5.8787357.341
MiniCPM5 (101M)25.60%23.60%21.60%5.9476382.842
Qwen 3.8 Flash Next (101M)23.60%25.60%25.20%6.1351461.803
Qwen 3.8 (101M)25.20%23.60%25.60%6.1538470.514
Random Guessing Baseline25.00%25.00%25.00%N/AN/ABaseline

Table 2: Architecture Specifications (~101M Parameter Budget)

ParameterMaba v1.1Qwen 3.8Qwen 3.8 Flash NextMiniCPM5
Exact Parameters101,177,984 (101.18M)101,152,384 (101.15M)101,126,824 (101.13M)100,403,392 (100.40M)
Computation Core96,327,040 (95.21%)75,864,064 (75.00%)75,838,504 (74.99%)100,403,392 (100.0%)
Layer Composition75% GDN-2 + 25% GQA75% GDN + 25% GQA75% GDN + 25% QSA100% GQA
Physical Blocks20 blocks20 blocks20 blocks28 blocks
Effective Layers40 layers (2-pass recycling)20 layers (1 pass)20 layers (1 pass)28 layers (1 pass)
Attention MechanismGQA (d_head=64, kv=2)GQA (d_head=64, kv=2)QSA (Micro-block Sparse)GQA (d_head=48, kv=2)
Residual TypeGated ResidualStandard ResidualDual-Gated ResidualStandard Residual
Speculative HeadMTP (k=2 built-in)MTP (k=2 built-in)MTP (k=2 built-in)None

Table 3: Memory and Runtime Throughput (v1.1 Benchmarks)

MetricMaba v1.1Qwen 3.8Qwen 3.8 Flash NextMiniCPM5
KV Cache (4k Physical)10,240 KB (10.0 MB)10,240 KB (10.0 MB)2,560 KB (2.5 MB)43,008 KB (42.0 MB)
KV Cache (4k Runtime)10,240 KB (10.0 MB)10,240 KB (10.0 MB)2,560 KB (2.5 MB)43,008 KB (42.0 MB)
KV Cache Reduction-76.2%-76.2%-94.0%0.0% (Baseline)
Inference Throughput394.2 tok/s171.4 tok/s157.5 tok/s278.2 tok/s
Training Speed (4x L4)38,400 tok/s~1,360 tok/s~1,290 tok/s~9,455 tok/s
Reasoning Margin+0.2237 (Best)+0.1809+0.1618+0.1754

Model Details

  • Architecture: Maba v1.1 (Hybrid GDN-2 Recurrence + GQA + MTP)
  • Total Parameters: 101,177,984
  • Core Computation Parameters: 96,327,040
  • Hidden Size: 640
  • Physical Layers: 20 (15 GDN-2 + 5 GQA)
  • Effective Layers: 40 (2 passes)
  • Query Heads: 10 (d_head = 64)
  • KV Heads: 2
  • FFN Dimension: 1,728 (SwiGLU)
  • Vocabulary Size: 32,768 (Embedding rank 128)
  • Context Window: 4,096 tokens
  • Precision: bfloat16 / float32

Usage

Loading Pretrained Weights

import torch
from maba.model import Model
from maba.config import Config
from maba.tokenizer import Tokenizer
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

# Initialize model
cfg = Config.from_preset("100M")
model = Model(cfg)

# Load safetensors weights
weights_path = hf_hub_download(repo_id="AndrewThompson1233/maba-101m", filename="model.safetensors")
state_dict = load_file(weights_path)
model.load_state_dict(state_dict)
model.eval()

tok = Tokenizer()
prompt = "Once upon a time in a quiet village"
input_ids = torch.tensor([tok.encode(prompt, add_bos=True)])

with torch.no_grad():
    output_ids = model.generate(input_ids, max_new_tokens=40, temperature=0.7)

print(tok.decode(output_ids[0].tolist()))

High-Speed Speculative Generation (k=2)

from maba.generate import spec_gen

output_text, acceptance_rate, steps = spec_gen(
    model,
    tok,
    prompt="A young inventor built a clockwork bird",
    max_new_tokens=60
)
print(output_text)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура maba неизвестна transformers в образе рантайма.

Класс архитектуры
MabaModel
Ревизия весов
b4680cb

0 моделей