/ 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-step78000

Генерация текстаТекст → текст

Исследовательская базовая языковая модель ConeML на архитектуре Mixtral для продолжения текста и изучения траекторий развития разреженных языковых моделей.

176скачиваний 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, checkpoint шага 78 000, — исследовательская базовая языковая модель ConeML, выпущенная вместе с работой о траекториях развития разреженной языковой модели. Это не настроенный для следования инструкциям ассистент: модель предназначена для продолжения обычного текста и воспроизводимого изучения развития языковых моделей.

Модель использует декодерную архитектуру Mixtral с девятью экспертами в слое и выбором двух экспертов на токен. В карточке указаны 230,2 млн параметров, тогда как README сообщает 1,17 млрд хранимых параметров и около 348 млн активных на токен; контекст настроен на 16 384 токена. Веса доступны в FP32 safetensors. Модель поддерживает английский язык.

Опубликованные оценки получены на ограниченных наборах примеров и не являются результатами полного бенчмарка. Результаты зависят от задачи и не доказывают общего превосходства модели. Ограничения включают единственную обучающую линию без повторения с независимыми случайными начальными условиями, непубличную конструкцию обучения и неполный анализ загрязнения данных. Модель может выдавать неверный, повторяющийся или неподходящий текст; способность корректно разбирать код не означает надёжного программирования. Лицензия — CC BY-NC 4.0.

Сценарии применения

  • продолжение текстовых фрагментов на английском языке
  • воспроизведение опубликованных исследовательских оценок языковой модели
  • сравнение результатов языковой модели на отдельных задачах
  • изучение развития разреженной модели со смесью экспертов

Ограничения

Это базовый чекпойнт без настройки на инструкции, поэтому он не предназначен для использования как готовый чат-ассистент. Результаты ограничены одной обучающей линией и частичными оценками; генерации могут быть неверными или повторяющимися, а настроенный контекст не гарантирует надёжности на длинных последовательностях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ConeML v16 9E · step 78,000

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
BLiMP402/53675.00%
LAMBADA59/12846.09%
PIQA75/12858.59%
SciQ (with support)76/12859.38%
ARC Easy60/12846.88%

Expanded LAMBADA: 2006/5025 (39.92%) on the additional partition and 2065/5153 (40.07%) on the full test. The additional partition excludes the repeatedly inspected original 128 examples. The report documents the pre-inference plan, paired uncertainty, selected-inventory overlaps and common-exclusion sensitivity. Inventory matches do not establish checkpoint-specific delivery.

Main Python execution: 1/129; strict parses: 57/129; parses after fixed cleanup: 62/129. 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-step78000"
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.
  • 10,223,616,000 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
43b142e

0 моделей