/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
8,2 млрд
Архитектура
mimo_v2 · dense
Библиотека
transformers
Опубликована
24 авг 2026

teutonic-II-110B-genesis

Генерация текстаТекст → текст3 профессии

Производная модели dendriteholdings/teutonic-II-110B-genesis. Необученный исходный чекпойнт разреженной языковой модели MiMoV2-подобной архитектуры для дальнейшего предобучения и децентрализованного улучшения.

82скачиваний за 30 дней0лайковвеса обновлены24 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Карточка модели Tok331102/teutonic-II-110B-genesis на Hugging Face совпадает с карточкой dendriteholdings/teutonic-II-110B-genesis, поэтому описание составлено по ней.

Teutonic-II 110B Genesis — открытый по весам языковой чекпойнт от команды Teutonic, построенный на модифицированной архитектуре MiMoV2. README описывает разреженную архитектуру Mixture-of-Experts примерно со 110 млрд параметров, из которых около 7,3 млрд активируются на каждом токене; метаданные Hugging Face указывают 8,2 млрд параметров. В каждом MoE-слое заявлены 256 маршрутизируемых экспертов, восемь из которых выбираются для токена, а также общий эксперт. Архитектура включает глобальное и скользящее оконное внимание с окном 128 токенов, Grouped Query Attention и частичное RoPE.

Назначение Genesis — служить исходной точкой для дальнейшего предобучения и децентрализованного улучшения через Teutonic на Bittensor Subnet 3. Чекпойнт инициализирован случайными весами и ещё не проходил предобучение, поэтому он не готов к обычной генерации полезного текста. Архитектурная конфигурация задаёт длину до 1 048 576 токенов, однако README предупреждает, что это значение не подтверждает обучение или проверку модели на контекстах такой длины. Весовой формат — safetensors; лицензия в предоставленных данных не описана.

Сценарии применения

  • дальнейшее предобучение языковой модели
  • исследование разреженных MoE-архитектур
  • эксперименты с децентрализованным обучением на Bittensor
  • изучение маршрутизации и совместного использования экспертов

Ограничения

Чекпойнт инициализирован случайными весами и не проходил предобучение, поэтому не предназначен для полезной генерации текста без последующего обучения. Заявленный контекст в 1 048 576 токенов не подтверждён обучением или проверкой на такой длине.

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

Teutonic-II 110B Genesis

Teutonic-II 110B Genesis is an open-weight, compute-efficient sparse Mixture-of-Experts (MoE) language model with approximately 110B total parameters and an estimated ~7.3B activated parameters per token. The Genesis checkpoint is initialized with random weights and has not yet undergone pretraining, providing a clean starting point for continued pretraining and decentralized model improvement through Teutonic on Bittensor Subnet 3.

The model is built on a modified MiMoV2-style architecture, combining sparse MoE layers with hybrid Global and Sliding Window Attention, Grouped Query Attention, asymmetric QK/V head dimensions, partial Rotary Position Embeddings, and attention-sink mechanisms. In addition to adopting MiMoV2 architectural concepts, the Teutonic team introduces a modification to the MoE implementation that enables expert sharing.

1. Introduction

Teutonic-II 110B Genesis is designed as a compute-efficient large-scale sparse language model architecture for continued pretraining and decentralized model improvement.

The model uses a custom MiMoV2-style architecture with several efficiency-oriented components:

  • Sparse Mixture-of-Experts (MoE): 256 routed experts are available in each MoE layer, while only 8 routed experts are selected per token.
  • Shared Expert: Each MoE layer additionally includes one shared expert.
  • Expert Sharing: Teutonic introduces an architectural modification that enables expert sharing within the MoE implementation.
  • Hybrid Attention: The network combines Global Attention with local Sliding Window Attention.
  • Sliding Window Attention: SWA operates with a local window of 128 tokens.
  • Grouped Query Attention: 48 query heads share 8 key/value heads.
  • Asymmetric QK/V Dimensions: Query/Key heads use 192 dimensions while Value heads use 128 dimensions.
  • Partial Rotary Position Embeddings: RoPE is applied to a fraction of the attention dimensions.
  • Attention Sink Bias: Enabled for Sliding Window Attention layers.
  • Sparse Activation: Only a small subset of the model's expert parameters is used for each token.
  • BF16 Precision: The checkpoint configuration uses bfloat16.
  • Long-Context Architecture: The configuration declares up to 1,048,576 positional embeddings.

The declared maximum position length is an architectural configuration value. It should not by itself be interpreted as evidence that this checkpoint has been trained or validated at the full 1M-token sequence length.

2. Model Summary

ComponentTeutonic-II 110B Genesis
ArchitectureMiMoV2ForCausalLM
Total Parameters~110B
Estimated Activated Parameters / Token~7.3B
PrecisionBF16
Hidden Size3,072
Number of Layers45
Dense Layers1
MoE Layers44
Global / Full Attention Layers9
Sliding Window Attention Layers36
Attention Heads48
Key / Value Heads4
Q/K Head Dimension192
Value Head Dimension128
Dense FFN Intermediate Size16,384
MoE Expert Intermediate Size1,024
Routed Experts256
Shared Experts1
Expert SharingEnabled via Teutonic architectural modification
Routed Experts per Token8
Router Scoring FunctionSigmoid
Expert SelectionTop-K
Top-K Methodnoaux_tc
Sliding Window Size128
Attention Chunk Size128
Standard RoPE Theta10,000,000
SWA RoPE Theta10,000
Partial Rotary Factor0.334
Vocabulary Size152,576
Configured Max Positions1,048,576
Input / Output Embeddings TiedNo
Attention Dropout0.0
Activation FunctionSiLU

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
MiMoV2ForCausalLM
Ревизия весов
0dabb1c

0 моделей