/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
575 млн
Размер весов
54,3 ГБ
Лицензия
Apache 2.0
Архитектура
emo · MoE
Библиотека
transformers
Опубликована
29 апр 2026

StdMoE_1b14b_1T

Генерация текстаТекст → текст4 профессии

Англоязычная разреженная MoE-модель AllenAI для генерации текста и диалогов, обученная как стандартная базовая модель для сравнения с EMO.

433скачиваний за 30 дней5лайковвеса обновлены9 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

StdMoE1b14b1T — стандартная модель типа Mixture of Experts от Allen Institute for AI, выпущенная как базовый вариант для сравнения с EMO в работе «Pretraining Mixture of Experts for Emergent Modularity». Модель содержит 14 млрд параметров всего, из которых активно около 1 млрд; в ней 128 экспертов — 127 маршрутизируемых и один общий, при этом для каждого токена выбираются 8 активных экспертов. Архитектура соответствует EMO, но используется стандартная цель обучения без ограничения пула экспертов на уровне документа.

Модель предварительно обучена на смеси данных OLMoE на 1 трлн токенов и дополнительно обучалась на 50 млрд токенов. Она предназначена для генерации текста и диалогового использования, принимает текст и выдаёт текст. Контекст составляет 4096 токенов; в карточке указан английский язык. Репозиторий содержит веса safetensors и использует библиотеку Transformers. Лицензия — Apache 2.0.

Сценарии применения

  • генерация ответов в текстовом диалоге
  • создание продолжений и черновиков текста
  • эксперименты со стандартной архитектурой Mixture of Experts
  • сравнение MoE-моделей с разными целями обучения

Ограничения

Контекст ограничен 4096 токенами. Это стандартная базовая модель для исследовательского сравнения; в карточке нет результатов оценки качества.

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

StdMoE_1b14b_1T

The architecture-matched standard MoE baseline released alongside EMO: Pretraining Mixture of Experts for Emergent Modularity — referred to as Reg. MoE (or "standard MoE") at 1T tokens in the paper.

1B-active / 14B-total parameter Mixture-of-Experts model (128 experts: 127 routed + 1 shared, k=8 active per token) pretrained on 1T tokens of the OLMoE pretraining mix and annealed for an additional 50B tokens with the standard MoE objective (no document-level expert pool constraint). Same architecture and training setup as Emo_1b14b_1T, differing only in the training objective.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "allenai/StdMoE_1b14b_1T"
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)

inputs = tokenizer(["Language modeling is "], return_tensors="pt", return_token_type_ids=False)
out = model.generate(**inputs, max_new_tokens=100, do_sample=True, temperature=1.0, top_p=0.7)
print(tokenizer.batch_decode(out, skip_special_tokens=True)[0])

Citation

@article{wang2026emo,
  title  = {EMO: Pretraining Mixture of Experts for Emergent Modularity},
  author = {Wang, Ryan and Bhagia, Akshita and Min, Sewon},
  year   = {2026},
  url    = {https://arxiv.org/abs/2605.06663}
}

License

This model is licensed under Apache 2.0. It is intended for research and educational use in accordance with Ai2's Responsible Use Guidelines

Links

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
EmoForCausalLM
Ревизия весов
b82073b

0 моделей