/ Модель

Характеристики

Контекст
8 192 токена
Параметры
1,1 млрд
Лицензия
MIT
Архитектура
maria · dense
Опубликована
24 окт 2026

Maria-1B

Генерация текстаТекст → текст

Maria-1B — базовая англоязычная языковая модель на 1,1 млрд параметров для продолжения текста и локального запуска на устройствах с ограниченными ресурсами.

853скачиваний за 30 дней2лайкавеса обновлены30 окт 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

Maria-1B — базовая языковая модель, разработанная Ядки Захидом Ахмедом и обученная с нуля на 20 млрд токенов веб-текстов, книг и кода. Она предназначена для продолжения текста и локального запуска, в том числе на устройствах с ограниченными ресурсами; модель не является чат-ассистентом с инструкционной настройкой.

Модель содержит около 1,1 млрд параметров и использует архитектуру HyperGQE с динамической маршрутизацией запросных голов внимания, RoPE, SwiGLU и словарём Llama 3 на 128 256 токенов. Контекст составляет 8192 токена. В карточке приведены результаты сравнения задержки и пропускной способности, а также оценки на SST-2 и STEM-бенчмарках; эти результаты относятся к описанным автором условиям тестирования. Автор заявляет возможность 4-битного запуска примерно с 800 МБ RAM, однако в репозитории указаны веса safetensors, а не GGUF.

Для использования доступна лицензия MIT. Модель рассчитана прежде всего на английский язык; качество генерации и инструкции для диалога не гарантируются, поскольку это базовая модель без инструкционной настройки.

Сценарии применения

  • продолжение англоязычного текста
  • локальная генерация текста на мобильном устройстве
  • эксперименты с эффективными архитектурами внимания
  • исследование базовых языковых моделей малого размера

Ограничения

Это базовая модель без инструкционной настройки, поэтому она не предназначена для надёжного следования запросам как чат-ассистент. Заявления о скорости и качестве основаны на тестах автора; веса в репозитории опубликованы в safetensors, а не в упомянутом для 4-битного запуска формате GGUF.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🌟 Maria-1B: Dynamic Query Adaptation (HyperGQE)

Pretrained from Scratch on 20 Billion Tokens for High-Efficiency Edge Inference

Parameters Architecture Tokens Speedup VRAM DOI License


[!TIP] Key Hardware Takeaway: Under maximum sequence and batch workloads ($b=16, s=1024$), Maria-1B is 13.5% faster than Dense GQA while consuming 827 MB less peak VRAM and delivering +15.6% higher token throughput.

[!IMPORTANT] What Problem Are We Solving?
Frontier MoE models save FLOPs in datacenters, but are unusable on edge devices because all inactive experts must stay loaded in limited RAM. Standard dense models, on the other hand, burn 100% compute across every head.
Maria solves this through structured Query Sparsity: it dynamically drops 56.6M unneeded query parameters per token while using a lightweight hypernetwork to inject rich context back into active heads.


🔬 Architectural Context & Research Foundation

  • 📄 Architecture Paper Preprint: https://doi.org/10.5281/zenodo.22747827
  • 👨‍🔬 Author: Yadki Zahid Ahmed
  • 💡 Relationship to Paper: The research preprint introduces and proves the HyperGQE architecture (originally validated on a TinyLlama-1.1B testbed). Maria-1B is the first standalone, from-scratch 20-Billion-token pretrained foundation model implementing HyperGQE with a modern 128,256 Llama-3 vocabulary, RoPE, and SwiGLU feed-forward networks.

📊 Model Specifications

ParameterSpecificationVisual Indicator
Total Instantiated Parameters1,073,515,904 (1.074 Billion)📦 Full Model
Active Parameters per Token1,016,878,976 (1.017 Billion)⚡ Sparse Compute
Sparsity per Block12 out of 16 query expert heads dropped per layer (56.6M inactive params)✂️ Query Pruned
Pretraining Token Budget20 Billion Tokens (Pretrained from scratch)🎯 Clean Slate
Hidden Dimension ($d_{\text{model}}$)2,048📐 Width
Number of Layers18 Transformer Blocks🧱 Depth
Query Heads ($N_{\text{heads}}$)16 (4 groups $\times$ 4 expert heads per group)🔀 Routed
Key-Value Heads ($N_{\text{kv}}$)4 (Grouped-Query Attention 4:1 compression)💾 Compressed
Intermediate Size (FFN)5,632 (SwiGLU gating)⚡ Non-linear
Vocabulary Size128,256 (Llama-3 BPE Tokenizer)📚 Rich Vocab
Context Window ($L_{\text{max}}$)8,192 tokens with RoPE ($\theta = 500,000$)📜 Extended
Weight Precisionbfloat16 (~2.1 GB safetensors / ~650 MB quantized Q4_K_M)🪶 Ultra-Light

⚡ Hardware Profiling & Latency Benchmarks

Measured on identical NVIDIA hardware comparing Maria (HyperGQE) against Dense GQA and Static GQE:

⏱️ Latency & Throughput Matrix

Batch Size ($b$)Sequence Length ($s$)Dense GQA LatencyStatic GQE LatencyMaria (HyperGQE) LatencySpeedup vs. Dense GQA
1512103.50 ms90.47 ms106.55 msCompetitive
11024227.76 ms161.53 ms204.36 ms🟢 +10.3% faster
8512763.26 ms591.01 ms716.07 ms🟢 +6.2% faster
810241,750.23 ms1,161.57 ms1,421.50 ms🟢 +18.8% faster
165121,475.45 ms1,114.95 ms1,361.72 ms🟢 +7.7% faster
161024 (Peak Load)3,526.88 ms2,333.79 ms3,049.37 ms🚀 +13.5% FASTER

💾 VRAM & Throughput (Heavy Load: $b=16, s=1024$)

ArchitecturePeak VRAMToken ThroughputTheoretical FLOPsEdge Viability
Dense GQA Baseline4,181.55 MB4,645 tokens/s$3.60 \times 10^{13}$Baseline
Static GQE (Sparse)2,456.19 MB7,020 tokens/s$3.31 \times 10^{13}$Collapsed Quality
Maria (HyperGQE)3,354.19 MB5,372 tokens/s$3.60 \times 10^{13}$🏆 Optimal Balance
Net Advantage📉 827.36 MB Less VRAM⚡ +15.6% Higher ThroughputIdentical FLOP CeilingZero Accuracy Drop

🎯 Downstream Accuracy & Representation Recovery

Static query routing (GQE) suffers from severe representational collapse because permanently pruned query heads lose attention context. Maria's dynamic hypernetwork completely eliminates this collapse:

1. Fine-Tuned Sentiment Classification (SST-2)

ArchitectureTotal ParamsActive ParamsSST-2 AccuracyMargin vs. Dense GQA
Static GQE875.39 M875.39 M75.92%🔴 -4.24% (Degradation)
Dense GQA Baseline946.04 M946.04 M80.16%Baseline
Maria (HyperGQE)924.13 M843.35 M80.85%🟢 +0.69% HIGHER

Maria not only recovers the 4.24% performance drop caused by static pruning—it surpasses the dense baseline while activating 102M fewer parameters.

2. Zero-Shot STEM Domain Recovery (16 Benchmarks)

Benchmark / TaskStatic GQE AccuracyMaria (HyperGQE) AccuracyNet Margin ($\Delta$)
MMLU: College Chemistry19.00%28.00%🟢 +9.00%
MMLU: High School Biology21.00%25.80%🟢 +4.80%
MMLU: Virology24.10%28.30%🟢 +4.20%
MMLU: College Biology22.20%26.30%🟢 +4.10%
MMLU: Medical Genetics23.00%27.00%🟢 +4.00%
MMLU: High School Chemistry19.20%22.70%🟢 +3.50%
ARC (Challenge)21.80%23.30%🟢 +1.50%
ARC (Easy)41.50%42.90%🟢 +1.40%
BoolQ57.00%58.20%🟢 +1.20%

🚀 Quickstart: Run Maria-1B

[!NOTE] Base Model Inference Notice: Maria-1B is a foundation pretraining base model (trained from scratch on 20B tokens of raw web text, books, and code), not an instruction-aligned chat assistant. For clean, fluent text continuation, use greedy decoding (do_sample=False) or controlled sampling (temperature=0.3, top_k=40, repetition_penalty=1.2).

[!TIP] Hardware Precision Guide:

  • Google Colab Free Tier (Tesla T4) / Turing / Pascal GPUs: Use torch_dtype=torch.float16 (Tesla T4 lacks native hardware bfloat16).
  • NVIDIA Ampere / Hopper / Ada (A100, H100, RTX 3090/4090): You can use either torch_dtype=torch.bfloat16 or torch.float16.
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "Zahid2005/Maria-1B"

# 1. Load tokenizer & model directly from Hugging Face
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(
    repo_id,
    trust_remote_code=True,
    torch_dtype=torch.float16,  # Recommended for Colab Tesla T4 & FP16 GPUs
    device_map="auto"
)
model.eval()

# 2. Format Prompt
prompt = "Artificial intelligence and future edge computing"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

# 3. Generate with controlled base-model parameters
with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_new_tokens=40,
        do_sample=True,
        temperature=0.3,
        top_k=40,
        repetition_penalty=1.2,
        pad_token_id=tokenizer.eos_token_id
    )

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

📱 Edge Computing & Mobile Deployment

Because Maria features dense FFNs and structured query-level sparsity, it avoids the massive memory penalties of MoE architectures:

  • 🗜️ 4-Bit Quantization (GGUF / Q4_K_M): Compresses the model weights to ~650 MB.
  • 📱 RAM Requirement: Requires only ~800 MB of total RAM, running at 45–60 tokens/sec on mobile chips (Apple A/M series, Qualcomm Snapdragon, MediaTek Dimensity, Raspberry Pi 5) with zero cloud dependencies.

📚 Research Background & Citation

The HyperGQE (Dynamic Query Adaptation) sparse attention mechanism was originally introduced and validated on a TinyLlama-1.1B backbone in:

"CAN WE IMPROVE THE PERFORMANCE OF SPARSE ATTENTION IN GROUPED QUERY EXPERTS WITHOUT INCREASING EXPERTS?"
Preprint DOI: 10.5281/zenodo.22747827

Maria-1B represents the first standalone foundation model trained from scratch for 20 Billion tokens to validate HyperGQE in an end-to-end pretraining regime.

If you use Maria-1B or the HyperGQE architecture in your work, please cite the preprint:

@article{yadki2026sparseattention,
  title={CAN WE IMPROVE THE PERFORMANCE OF SPARSE ATTENTION IN GROUPED QUERY EXPERTS WITHOUT INCREASING EXPERTS?},
  author={Yadki, Zahid Ahmed},
  journal={Zenodo},
  year={2026},
  month={September},
  doi={10.5281/zenodo.22747827},
  url={https://doi.org/10.5281/zenodo.22747827}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Класс архитектуры
MariaForCausalLM
Ревизия весов
d48e999

0 моделей