/ Модель

Характеристики

Контекст
1 024 токена
Параметры
25,6 млн
Лицензия
MIT
Архитектура
mixtral · MoE
Библиотека
transformers
Опубликована
12 июн 2026

TinyMoE-100m-2x8

Генерация текстаТекст → текст3 профессии

Компактная англоязычная MoE-модель для генерации текста при ограниченных вычислительных ресурсах и экспериментов с маршрутизацией экспертов.

85скачиваний за 30 дней2лайкавеса обновлены5 июл 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

TinyMoE-100M-2x8 — компактная языковая модель со Sparse Mixture of Experts, разработанная FlameF0X на архитектуре Mixtral/Mistral для причинного языкового моделирования. Она предназначена для генерации текста в исследованиях, на периферийных устройствах и в условиях ограниченных вычислительных ресурсов. По README модель содержит около 100 млн параметров, из которых около 22,5 млн активируются для каждого токена; используются 8 экспертов, и маршрутизатор выбирает 2 из них. Метаданные указывают 25,6 млн параметров, поэтому размер модели в источниках расходится. Контекст составляет 1024 токена, библиотека запуска — Transformers, формат весов — safetensors. В карточке указаны английский язык и обучение на WikiText и TinyStories. Лицензия — MIT.

Модель рассчитана на компактную генерацию текста и эксперименты с разреженной маршрутизацией экспертов. Небольшое число активных параметров снижает вычисления на токен, однако это не гарантирует высокую скорость или качество на любом оборудовании. Карточка не приводит результатов оценки качества; короткий контекст ограничивает работу с длинными входами.

Сценарии применения

  • генерация коротких историй
  • продолжение английского текста
  • эксперименты с разреженной архитектурой MoE
  • тестирование компактных языковых моделей на периферийных устройствах

Ограничения

Контекст ограничен 1024 токенами. README и метаданные расходятся в числе параметров (около 100 млн и 25,6 млн соответственно), а результаты оценки качества не приведены.

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

TinyMoE-100M-2x8

TinyMoE-100M-2x8 is a compact, highly efficient Sparse Mixture of Experts (MoE) language model built upon the Mixtral/Mistral architecture. Designed for research, edge applications, and resource-constrained environments, this model leverages an expert-routing mechanism to balance a larger total parameter capacity with ultra-low computational overhead during inference.

Model Details

  • Architecture: Sparse Mixture of Experts (MoE)
  • Total Parameters: 99,809,280 (~100M total parameters)
  • Active Parameters per Token: 22,544,640 (~22.5M active parameters)
  • Expert Configuration: 8 total local experts, 2 active experts routed per token (num_experts_per_tok": 2)
  • Context Length: 1024 tokens
  • Base Architecture: Mixtral / Mistral For Causal LM
  • License: MIT

Parameter Breakdown

Unlike a standard dense model, an MoE model stores a larger footprint of parameters on disk but selectively activates only a subset for any given token during a forward pass:

ComponentTotal ParametersStatus During Inference
Embeddings (Input + LM Head)24,576,000Always Active
Attention Blocks (10 Layers)4,423,680Always Active
MoE Routers (10 Layers)30,720Always Active
Experts (8 Total across 10 Layers)70,778,8802 of 8 Active per Layer (~17.6M active)
Overall Footprint99,809,28022,544,640 Active per Token

Training Data

This model was trained on a high-quality mixture of datasets to balance narrative fluidness with factual language structural grounding:

  • TinyStories: For coherent, creative synthetic narrative generation.
  • WikiText-103: For general knowledge syntax, vocabulary diversity, and structural language understanding.

Quick Start

You can load and experiment with this model using the Hugging Face transformers library:

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "FlameF0X/TinyMoE-100M-2x8"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

input_text = "Once upon a time,"
inputs = tokenizer(input_text, return_tensors="pt")

outputs = model.generate(**inputs, max_new_tokens=50)
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 · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
0819979

0 моделей