/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
9,7 млн
Архитектура
slmoe · MoE
Библиотека
transformers
Опубликована
11 авг 2026

slmoe-test

Генерация текстаТекст → текст3 профессии

Экспериментальная базовая модель SLMoE с маршрутизацией экспертов по последовательности для продолжения английского текста.

23скачиваний за 30 дней0лайковвеса обновлены11 авг 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

Banaxi-Tech разработала SLMoE Test — экспериментальную базовую языковую модель с архитектурой mixture of experts и глобальной маршрутизацией экспертов на уровне последовательности. Модель не проходила настройку для следования инструкциям и предназначена для генерации продолжения текста. В метаданных указаны 9,7 млн параметров, контекст 4096 токенов и библиотека Transformers; README приводит другие размеры: 25 449 472 параметра всего и 7 902 208 активных на последовательность. Эти данные о размере расходятся.

Маршрутизатор выбирает экспертов по первым 32 допустимым токенам, затем использует этот выбор во всех слоях и на протяжении генерации. Обучение завершено на корпусах веб-текстов, образовательных материалов, математики и кода; README сообщает примерно 60 млрд обучающих токенов. Модель ориентирована на эксперименты с компактными языковыми моделями и генерацией текста на английском языке. Для загрузки через Transformers требуется доверять пользовательскому коду репозитория. Лицензия в предоставленных данных не указана.

Сценарии применения

  • эксперименты с архитектурами mixture of experts
  • генерация продолжения английского текста
  • исследование маршрутизации экспертов на уровне последовательности
  • прототипирование компактных языковых моделей

Ограничения

Модель не настроена для следования инструкциям. Размер параметров расходится между README и метаданными; для загрузки требуется разрешить пользовательский код репозитория.

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

SLMoE Test - 100%

This model has been released as https://huggingface.co/BananaMind/BananaMind-2-SLMoE

This is the 100% checkpoint of an experimental sequence-routed base language model. It is not instruction tuned.

Architecture

FieldValue
Total parameters25,449,472
Active parameters per sequence7,902,208
Layers / hidden size8 / 256
Query / KV heads8 / 2
Head dimension32
Expert paths64 total / 13 active
Expert intermediate size56
Context4,096
Vocabulary8,192, tied

The router reads only the first 32 valid tokens and makes one global top-13 decision. Those expert identities are reused in every layer and stored in the KV cache for the complete generated response. Routing does not change per token. During pretraining, one packed 4,096-token sequence is the routing unit, and loss on its routing prefix is masked to prevent future-token leakage.

Training

FieldValue
Progress100%
Tokens seen59,999,518,720
Target tokens60,000,000,000
Hardware4 x NVIDIA H200
OptimizerFused AdamW
Peak LR0.003
Betas0.9, 0.95
Weight decay0.1
Precisionbfloat16 autocast
Token rangeFineWeb-HQFineWeb-EduDCLMCosmopedia v2FineMathNPSet-2
0.00B-12.00B35%30%20%10%4%1%
12.00B-24.00B32%30%18%11%7%2%
24.00B-39.00B28%29%16%13%11%3%
39.00B-51.00B24%27%13%14%18%4%
51.00B-60.00B20%24%9%15%26%6%

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Banaxi-Tech/slmoe-test"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)

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
SLMoEForCausalLM
Ревизия весов
623f728

0 моделей