/ Модель

Характеристики

Контекст
16 384 токена
Параметры
230 млн
Размер весов
4,7 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
3 окт 2026

coneml-v16-9e-step75000

Генерация текстаТекст → текст

Исследовательский базовый чекпойнт ConeML на архитектуре Mixtral для изучения развития разреженных языковых моделей и генерации продолжения текста.

186скачиваний за 30 дней0лайковвеса обновлены3 окт 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

ConeML v16 9E · step 75,000 — исследовательский чекпойнт базового предобучения от ConeML, выпущенный вместе с работой о развитии разреженной языковой модели. Это декодер Mixtral с 9 экспертами на слой и выбором двух экспертов для каждого токена; в README указаны около 1,17 млрд хранимых и 348 млн активных параметров. Модель принимает текст и генерирует продолжение текста; она не прошла инструкционную настройку, поэтому предназначена для обычного текстового completion, а не для диалога с чат-шаблоном. Настроенный размер контекста — 16 384 токена.

Чекпойнт предназначен для воспроизводимого изучения траекторий развития языковых моделей и сравнения вариантов с шестью и девятью экспертами. В README приведены ограниченные zero-shot оценки на подмножествах бенчмарков и результаты разбора кода; они не подтверждают общую превосходность модели или надёжные возможности программирования. Английский указан как язык карточки. Веса опубликованы в формате FP32 safetensors, лицензия — CC BY-NC 4.0.

Сценарии применения

  • изучение развития базовой языковой модели по чекпойнтам обучения
  • сравнение вариантов языковой модели с шестью и девятью экспертами
  • воспроизведение zero-shot оценок на языковых бенчмарках
  • эксперименты с продолжением английского текста
  • исследовательская оценка способности модели разбирать код

Ограничения

Это исследовательский чекпойнт без инструкционной настройки и чат-шаблона; оценки охватывают ограниченные подмножества бенчмарков и не подтверждают надёжное решение общих задач или программирование. Результаты основаны на одной линии обучения без повторов с независимыми seed, а контекст в 16 384 токена не гарантирует надёжную работу на всей этой длине.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ConeML v16 9E · step 75,000

A base-pretraining research checkpoint accompanying Developmental Trajectories in a Sparse Language Model with 348M Active Parameters, Gerald Teeple · ConeML (2026).

Why this checkpoint is released

This artifact makes the reported developmental observation independently loadable. It is not an instruction-tuned assistant or a finished general-purpose release. The paper studies one lineage and a matched six-versus-nine-expert continuation; the results do not establish general model superiority or a causal curriculum advantage.

Evaluations

Frozen CPU-FP32 zero-shot screen: 1,048 examples with exactly the configurations and sample identities exported in the paper supplement. Scores below are subsets, not full-suite leaderboard results. SciQ includes its support passage.

TaskCorrect / examplesAccuracy
BLiMP403/53675.19%
LAMBADA56/12843.75%
PIQA79/12861.72%
SciQ (with support)77/12860.16%
ARC Easy61/12847.66%

Main Python execution: 0/129; strict parses: 66/129; parses after fixed cleanup: 76/129. Parsing is not successful program synthesis.

The matched 75k arms show mixed tradeoffs: 9E improves some public scores and parsing, while 6E retains lower held-out PPL and stronger narrative retention. At the later comparison, both measured Pythia references lead on the other four public tasks despite the LAMBADA advantage. Exact results and limitations are in the report and evaluation.json.

Intended format

Use raw text completion. No chat template is supplied because this checkpoint has not received instruction tuning. Do not wrap benchmark prompts as chat messages. The frozen evaluation used no added BOS token and no few-shot examples.

Loading

Validated with Python 3.12, PyTorch 2.12.1 and Transformers 5.12.1. This is a standard Mixtral model; no remote custom code is needed. The FP32 weights preserve the evaluated tensors. Lower precision or other software/backend versions may change outputs.

import os
os.environ["CUDA_VISIBLE_DEVICES"] = ""
os.environ["HF_DEACTIVATE_ASYNC_LOAD"] = "1"
import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

torch.set_num_threads(4)
repo = "ConeML/coneml-v16-9e-step75000"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(
    repo, dtype=torch.float32, device_map="cpu",
    attn_implementation="sdpa", experts_implementation="eager",
).eval()
inputs = tokenizer("The old house stood at the end of the road.",
                   return_tensors="pt", add_special_tokens=False)
with torch.inference_mode():
    output = model.generate(**inputs, max_new_tokens=128, do_sample=False,
                            pad_token_id=tokenizer.eos_token_id)
print(tokenizer.decode(output[0], skip_special_tokens=True))

The example's 128-token limit is a usage example, not the research scoring protocol. Exact benchmark settings and decoding are recorded in the supplement.

Architecture and exposure

  • Mixtral-style decoder, 9 experts per layer, two selected per token.
  • 1,174,219,776 stored parameters; approximately 348,466,176 active parameters per token. Active count is not dense-equivalent capacity or measured FLOPs.
  • 30 layers, hidden width 1,024, 8 attention heads and 2 KV heads.
  • Configured context: 16,384 tokens; vocabulary: 32,768.
  • 9,830,400,000 nominal processed training positions. These are not unique tokens, and cross-model counts use different tokenizers.
  • FP32 safetensors, tied embedding/output table stored once.

Strengths and known limitations

This checkpoint supports reproducible study of task-specific, non-monotonic development. Evaluation metrics can favor different checkpoints. One lineage, no independent training-seed replication, proprietary training construction, and incomplete contamination coverage limit generalization. Generated content can be wrong, repetitive or inappropriate. Low execution scores remain reported; parseability should not be treated as reliable coding ability. Context size is a configuration, not a claim of uniformly reliable long-context behavior.

Files, validation and license

Weights, inference configuration, tokenizer, this card, evaluation aggregates and file hashes are included. Optimizer state, loader/controller state, training data and private training configuration are excluded. The exported weights match the source tensors exactly; CPU-FP32 logits and short greedy generations matched on two conversion checks. These checks validate conversion, not broad capability.

Copyright © 2026 Gerald Teeple. Model weights and accompanying authored model-card material: CC BY-NC 4.0. See license. Third-party rights remain applicable. The separate paper supplement's evaluation wrapper has its own MIT license.

Report DOI: 10.5281/zenodo.23117644.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
bd51992

0 моделей