/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
maba · dense
Библиотека
transformers
Опубликована
24 сен 2026

maba-v1-600m

Генерация текстаТекст → текст15 профессий

Maba-v1-600M — компактная гибридная языковая модель для генерации текста, диалогов, кода и решения задач на рассуждение.

562скачиваний 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-v1-600M — причинная языковая модель семейства Maba, представленная AndrewThompson1233. Несмотря на название, модель содержит 752 млн параметров, из них 498 млн не относятся к эмбеддингам; она обучена примерно на 150 млрд токенов. Архитектура состоит из 24 слоёв: 18 слоёв линейной рекуррентной Gated DeltaNet-2 и 6 слоёв Grouped-Query Attention. Такая гибридная схема рассчитана на линейное масштабирование по длине контекста и сокращение памяти KV-кэша по сравнению с обычными трансформерами.

Модель предназначена для генерации текста и диалогов, а также для задач с кодом, математикой и рассуждениями. В README приведены результаты тестирования на MMLU, GSM8K и ARC-Challenge; для этой версии двухпроходный режим инференса отключён из-за ошибки в параметре обучающего скрипта, поэтому указанные оценки относятся к обычному однопроходному инференсу. Метаданные указывают многоязычную поддержку, включая английский, русский, китайский и ряд европейских языков. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в чат-боте
  • написание и продолжение программного кода
  • решение математических задач
  • ответы на вопросы по общеобразовательным темам

Ограничения

В этой версии отключён двухпроходный режим инференса из-за ошибки в параметре обучающего скрипта; опубликованные бенчмарки отражают однопроходный режим. Результаты на GSM8K и ARC-Challenge уступают некоторым сравниваемым моделям.

Для каких профессий подходит15

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

Maba-v1-600M is a 752M-parameter causal language model (498M non-embedding) trained on ~150 billion tokens. It uses a 3:1 hybrid design: 75% Gated DeltaNet-2 linear recurrence layers and 25% Grouped-Query Attention layers. This structure provides O(N) context scaling and cuts KV-cache memory requirements by 75% compared to standard Transformers.

Hardware implementations, CUDA kernels, and theoretical derivations are documented in the Maba Architecture Repository.


Benchmarks

Evaluations were conducted with lm-evaluation-harness in float16 precision with batch size 4. Total runtime was 2 hours 1 minute across 104,876 test items.

Note on dual-pass inference: Dual-pass execution was disabled in this release due to a parameter bug in the training script. This was caught when training had already practically finished. All benchmark numbers reported above reflect standard single-pass inference. Dual-pass evaluation will be released in an upcoming checkpoint.

Benchmark Comparison

BenchmarkMaba-v1-600MQwen3-0.6BSmolLM2-360MLlama-3.2-1B
MMLU (Academic Knowledge, 0-shot)49.2%47.2%35.8%49.3%
GSM8K (Math Reasoning, 5-shot)32.5%43.0%3.2%26.2%
ARC-Challenge (Science Reasoning, 0-shot)38.1%42.3%35.8%46.2%
Winogrande (Context & Logic, 0-shot)58.6%59.2%52.5%61.2%
HellaSwag (Common Sense, 0-shot)50.5%53.8%54.5%68.8%

All Maba evaluations were executed via lm-evaluation-harness in float16 precision.

MMLU Performance by Domain

DomainAccuracy
Social Sciences55.31%
Applied & Professional53.04%
STEM45.54%
Humanities45.14%

Top MMLU Disciplines

DisciplineAccuracy
Marketing77.78%
International Law74.38%
US Foreign Policy69.00%
Management67.96%
High School Psychology67.89%

Specifications

AttributeValue
Total Parameters752M
Non-Embedding Parameters498M
Layers24 (18 Gated DeltaNet-2 + 6 GQA)
Hidden Size1024
Intermediate Size (SwiGLU)3584
Attention Heads16 Query / 2 Key-Value (GQA)
Vocabulary Size248,320
Context LengthUp to 32,768 tokens
Pretraining Volume~150B tokens

Quickstart

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "AndrewThompson1233/maba-v1-600m"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.float16,
    device_map="auto",
    trust_remote_code=True
)

messages = [
    {"role": "system", "content": "You are Maba, an assistant built on the Maba v1 architecture."},
    {"role": "user", "content": "Explain the difference between linear attention and quadratic attention."}
]

prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=128,
    do_sample=True,
    temperature=0.7,
    top_p=0.9
)

response = tokenizer.decode(outputs[0][inputs.input_ids.shape[1]:], skip_special_tokens=True)
print(response)

Architecture Reference

For architecture design, training dynamics, benchmarks against quadratic baselines, and implementation details, visit the Maba Architecture Repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MabaForConditionalGeneration
Ревизия весов
246b6b7

0 моделей