/ Модель

Характеристики

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

TinyMoE-100m-2x8-retrained

Генерация текстаТекст → текст3 профессии

Компактная англоязычная MoE-модель для генерации текста и экспериментов на устройствах с ограниченными ресурсами.

537скачиваний за 30 дней3лайкавеса 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 с разреженной архитектурой Mixture of Experts на базе Mixtral/Mistral, опубликованная FlameF0X. В модели около 100 млн параметров, из которых примерно 22,5 млн активируются для обработки каждого токена; из восьми экспертов выбираются два. Модель предназначена для генерации текста, экспериментов и запуска в условиях ограниченных вычислительных ресурсов. Она использует Transformers и имеет контекстное окно 1024 токена.

В качестве обучающих данных указаны подмножества cosmopedia-v2 и fineweb-edu-dedup из набора HuggingFaceTB/smollm-corpus. Карточка не сообщает результаты оценки качества, поэтому возможности модели на практике требуют проверки для конкретной задачи. Лицензия — MIT.

Сценарии применения

  • эксперименты с разреженными языковыми моделями
  • генерация текста на английском языке
  • исследование маршрутизации между экспертами MoE
  • запуск текстовой модели в условиях ограниченных вычислительных ресурсов

Ограничения

Контекст ограничен 1024 токенами; карточка не приводит результатов оценки качества, поэтому пригодность для конкретных задач следует проверять отдельно.

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.

[!IMPORTANT] On 05 July 2026 i update the weights with new ones. Pleace change the old weights with the new ones.

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 HuggingFaceTB/smollm-corpus subsets cosmopedia-v2 and fineweb-edu-dedup

image image image image

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-retrained"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

input_text = "Wikipedia is a free"
inputs = tokenizer(input_text, return_tensors="pt")

outputs = model.generate(**inputs, max_new_tokens=50)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))
> Wikipedia is a free, open source of information about the world. It is a great resource for anyone who has been able to read and write in a way that is easy to read.
The first thing that is in the world of the internet is that it is not

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
0c1d097

0 моделей