/ Модель

Характеристики

Контекст
40 960 токенов
Параметры
508 млн
Размер весов
4,9 ГБ
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Базовая модель
Franken-MoE-Small-Base
Опубликована
16 сен 2026

Franken-MoE-Small-SFT-Preview

Генерация текстаТекст → текст4 профессии

Экспериментальная англоязычная MoE-модель на базе Qwen3-0.6B для генерации текста и диалогов.

578скачиваний за 30 дней0лайковвеса обновлены18 сен 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

Franken-MoE-Small-SFT-Preview — экспериментальная разговорная языковая модель DrRiceIO7, созданная на основе Qwen3-0.6B с архитектурой Mixture-of-Experts. В карточке указаны 2,45 млрд параметров и 860 млн активных параметров на токен; метаданные каталога указывают 507,9 млн параметров. Модель использует класс Qwen3MoeForCausalLM и формат safetensors.

Модель предназначена для генерации текста и диалогов на английском языке, включая сценарии с интерфейсом вызова инструментов. Контекстное окно составляет 40 960 токенов. По README, модель прошла один полный эпох обучения на DrRiceIO7/split_dataset; автор сообщает о меньшем зацикливании и более связных ответах, но продолжает оценку и обучение.

Это предварительная версия, которая может давать сбои и не гарантирует стабильного качества. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • ведение диалога на английском языке
  • генерация англоязычного текста
  • ответы на вопросы в чате
  • подготовка запросов для вызова инструментов

Ограничения

Это предварительная модель, обученная лишь один полный эпох и всё ещё проходящая оценку и дообучение; возможны сбои и нестабильные ответы. В README и метаданных приведены разные оценки общего числа параметров: 2,45 млрд и 507,9 млн соответственно.

Для каких профессий подходит4

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

Franken-MoE-Small-SFT-Preview

Franken-MoE-Small-SFT-Preview is a high-performance native Qwen 3 MoE (Mixture-of-Experts) upcycled from Qwen/Qwen3-0.6B.

It combines a dense foundation pre-trained on 18T tokens with an expanded SwiGLU Mixture-of-Experts architecture using official Qwen3MoeForCausalLM specifications.

Notice

This model has been partially re-trained. It experiences less looping and improved coherency, but is still being evaluated and further trained. This is represents 1 full epoch on DrRiceIO7/split_dataset

Architecture Highlights

  • Base Foundation: Qwen/Qwen3-0.6B (28 Layers, Hidden Dim $D=1024$, Intermediate Dim $H=3072$, Vocab Size 151,936)
  • Total Parameters: 2.45B
  • Active Parameters per Token: 860M (Compute cost and generation speed of a <1B model)
  • MoE Topology: 8 routed experts, Top-2 active per token (num_experts_per_tok=2), normalized top-k probabilities (norm_topk_prob=True)
  • Attention: Grouped-Query Attention (GQA 16:8) with QK-Norm (q_norm, k_norm)
  • Context Length: 40,960 tokens (RoPE $ heta = 1,000,000$)
  • Official Format: Uses fused 3D tensor layout (gate_up_proj and down_proj) without legacy shared experts.

Direct Compatibility

  • Unsloth: 100% plug-and-play in Google Colab / Unsloth notebooks (FastLanguageModel.from_pretrained("DrRiceIO7/Franken-MoE-Small-Base"))
  • llama.cpp / GGUF: Convert directly using convert_hf_to_gguf.py
  • Hugging Face Transformers: Loads directly with AutoModelForCausalLM.from_pretrained("DrRiceIO7/Franken-MoE-Small-Base")
  • vLLM / SGLang / Ollama: Native out-of-the-box support

Quick Usage

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "DrRiceIO7/Franken-MoE-Small-Base"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

prompt = "<|im_start|>user\nExplain how photosynthesis works in plants.<|im_end|>\n<|im_start|>assistant\n"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model.generate(**inputs, max_new_tokens=256, temperature=0.7, top_p=0.85, do_sample=True)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
feadcd1

0 моделей