/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
575 млн
Размер весов
15,6 ГБ
Лицензия
Apache 2.0
Архитектура
emo · MoE
Библиотека
transformers
Опубликована
29 апр 2026

StdMoE_1b4b_130B

Генерация текстаТекст → текст3 профессии

Экспериментальная англоязычная MoE-модель AllenAI для генерации текста и сравнения со специализированными вариантами EMO.

415скачиваний 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

StdMoE1b4b130B — базовая модель Mixture-of-Experts, выпущенная AllenAI вместе с работой «Pretraining Mixture of Experts for Emergent Modularity» как стандартный MoE-бейзлайн. Модель обучена с нуля на 130 млрд токенов из обучающей смеси OLMoE и использует стандартную цель обучения MoE; дополнительного midtraining не проводилось.

Архитектура включает 32 маршрутизируемых эксперта и одного общего эксперта, из которых для каждого токена активируются 8 маршрутизируемых экспертов. В карточке указано 1 млрд активных и 4 млрд общих параметров; метаданные Hugging Face сообщают 574,6 млн параметров. Модель предназначена для генерации текста и служит точкой сравнения с вариантами EMO, сформированными из более крупных моделей. Контекст — 4096 токенов, поддерживается английский язык и диалоговый режим.

Модель распространяется по лицензии Apache 2.0. Карточка представляет её как экспериментальный сравнительный чекпойнт; результаты и пригодность для прикладных сценариев отдельно не описаны.

Сценарии применения

  • генерация текста на английском языке
  • диалоговые ответы на английском языке
  • сравнение стандартной MoE-архитектуры с вариантами EMO
  • исследование маршрутизации токенов между экспертами

Ограничения

Карточка позиционирует модель как сравнительный бейзлайн, а не как midtrained-вариант; качество на прикладных задачах не приводится. Метаданные указывают 574,6 млн параметров, тогда как README описывает конфигурацию как 1 млрд активных и 4 млрд общих параметров.

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

StdMoE_1b4b_130B

A memory-matched standard MoE baseline released alongside EMO: Pretraining Mixture of Experts for Emergent Modularity — referred to as "Reg. MoE @ 32" in Figure 1 of the paper. Not midtrained.

1B-active / 4B-total parameter Mixture-of-Experts model (32 routed experts + 1 shared, k=8 active per token) pretrained from scratch on 130B tokens of the OLMoE pretraining mix with the standard MoE objective. Provides a memory-matched comparison point against 32-expert subsets carved out of the larger 1B/14B EMO models.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "allenai/StdMoE_1b4b_130B"
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
d14779c

0 моделей