/ Модель

Характеристики

Контекст
2 048 токенов
Лицензия
MIT
Архитектура
eve-moe · MoE
Базовая модель
Eve-2-MoE-272M
Опубликована
6 фев 2026

Eve-2-MoE-IT-272M

Генерация текстаТекст → текст7 профессий

Компактная MoE-модель, дообученная следовать инструкциям и служить основой для узких текстовых специалистов, например генераторов SQL и JSON.

129скачиваний за 30 дней1лайквеса обновлены23 фев 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

Eve-2-MoE-IT-272M — модель на 272 млн параметров с архитектурой MoE и причинным языковым моделированием, созданная Энтони Майо (Public Outputs). Она дообучена для следования инструкциям и задумана как компактная основа для специализированных моделей семейства Eve Swarm, выполняющих узкие преобразования вроде генерации SQL, создания Git-коммитов и извлечения JSON. В карточке также описаны примеры специализированных моделей для вызова функций и обработки документов.

Модель ориентирована на небольшое потребление ресурсов и развёртывание на CPU; формат весов в репозитории — PyTorch и SafeTensors. В README автор описывает обучение на NVIDIA H200 и рекомендует создавать узких специалистов на парах «вход — желаемый результат», поскольку модель быстро запоминает данные. Лицензия — MIT. Английский указан как язык карточки; размер контекстного окна не приведён в доступных сведениях.

Сценарии применения

  • генерация SQL-запросов по текстовому описанию
  • извлечение структурированных данных в JSON
  • формирование JSON-вызовов функций
  • создание сообщений для Git-коммитов
  • дообучение компактного CPU-специалиста для одного преобразования

Ограничения

Это небольшая модель, рассчитанная на узкие и предсказуемые преобразования, а не на роль универсального помощника; автор отмечает, что она быстро запоминает обучающие данные и рекомендует ограничивать объём датасета и число эпох. Для специализированных моделей, обученных на предыдущей базовой версии, автор рекомендует повторное обучение на обновлённых весах.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Eve-2-MoE-IT-272M is a 272M parameter instruction-tuned model designed as the foundational base for the Eve Swarm—a collection of hyper-specialized, CPU-deployable adapters.

Unlike massive generalist LLMs, Eve is built for deterministic-ish transformations. She is designed to be "overfitted" into specialists that perform one job perfectly (e.g., SQL generation, Git commits, JSON extraction) with negligible latency and cost.

Author: Anthony Maio / Public Outputs


The Eve Swarm (Specialist Ecosystem)

This model serves as the parent for the following Full Fine-Tuned (FFT) specialists. All members were trained on an NVIDIA H200 SXM to ensure optimal embedding alignment.

Note (Feb 2026): The base model was updated with 10B tokens of continued pretraining (see Training History below). All specialists below were trained on the v1 base weights and need to be retrained on the updated base to benefit from the improved foundation. The GGUF quantizations also need to be regenerated from the new IT weights.

Specialist ModelTaskDataset SourceSizeLossStatus
Eve-NanoFunctionStrict JSON Function Calling – produces valid JSON outputs from natural language.glaive-function-calling-v2272M<0.4 (35k samples)Needs retrain
Eve-NanoSummaryConversation Summarization – condenses dialogues into concise summaries.knkarthick/dialogsum272M<1.0 (12.5k samples)Needs retrain
Eve-NanoCommitGit Diff → Commit Message – writes conventional commits from raw code diffs.bigcode/commitpackft272M<1.0 (20k samples)Needs retrain
Eve-NanoExtractText → Structured Data – extracts parameters/entities into strict JSON schemas.Salesforce/xlam-function-calling272M<0.4 (20k samples)Needs retrain
Eve-NanoSQLNatural Language → SQL – converts questions to SQL using table context.b-mc2/sql-create-context272M<0.2 (25k samples)Needs retrain
Eve-NanoPromptPrompt Expansion – expands simple ideas into rich image gen prompts.Stable-Diffusion-Prompts272M<1.0 (15k samples)Needs retrain
Eve-NanoRouterIntent Classification – routes user queries to the correct swarm member.bitext/customer-support272M<0.3 (25k samples)Needs retrain
Eve-NanoPIIPII Redaction – identifies and masks sensitive entities.ai4privacy/pii-masking-200k272M<0.1 (35k samples)Needs retrain

Training History

Run 1: Initial Pretraining (v1)

  • Dataset: HuggingFaceFW/fineweb-edu — 10B tokens
  • Hardware: NVIDIA H200 SXM (141GB VRAM)
  • Result: Trained from scratch to a functional base model

Run 2: Continued Pretraining (v2 — current base)

  • Dataset: HuggingFaceFW/finepdfs (eng_Latn subset) — 10B tokens
  • Hardware: NVIDIA A100 80GB (Google Colab)
  • Duration: 14.7 hours
  • Throughput: 189,295 tok/s
  • Val perplexity: 36.8 → 32.3 (12.2% improvement)
  • Result: Stronger base with improved document understanding from academic/scientific PDFs

Run 3: Instruction Tuning (IT — this model)

  • Dataset: yahma/alpaca-cleaned — ~52K instruction-response pairs, 3 epochs
  • Hardware: NVIDIA H200 SXM (141GB VRAM)
  • Method: Full Fine-Tuning with response-only loss masking (prompt tokens excluded from loss)
  • Duration: ~1 hour
  • Batch size: 128
  • Peak LR: 2e-5 (cosine decay)
  • WikiText-2 val ppl: 32.6 → 36.2 (slight increase expected — model shifted toward instruction-following distribution)

Technical Specifications

Architecture: Nano-MoE

Eve uses a DeepSeek-style Mixture-of-Experts architecture scaled down to the "Nano" range.

  • Total Parameters: 272M
  • Active Parameters: ~80M (per token)
  • Experts: 8 routed + 1 shared
  • Top-K: 2
  • Context Window: 2048 tokens
  • Vocab: 50,304 (GPT-2 compatible)

Training Config (H200 SXM)

This model was trained using Full Fine-Tuning (FFT). We found that LoRA was insufficient for aligning the embeddings of such a small model; unfreezing all weights yielded significant performance gains. You don't need to use a H200, it's absurdly overkill. I love it.

  • Hardware: NVIDIA H200 SXM (141GB VRAM)
  • Method: Full Fine-Tuning (No PEFT/LoRA)
  • Precision: bfloat16
  • Batch Size: 128 (Global)
  • Learning Rate: 2e-5 (Cosine Schedule) — IT run; 5e-5 for specialist FFT
  • Loss Masking: Response-only (masked user prompts via loss_mask tensor)

How to Tune Eve 2

If you want to train your own Eve specialist, follow these rules derived from our H200 experiments:

  1. Abandon LoRA: For a 272M model, LoRA restricts the embedding space too much. You have the VRAM; use Full Fine-Tuning.
  2. Mask User Prompts: You must use a collator that masks the prompt (loss only on response tokens). If the model calculates loss on the instruction, it wastes capacity learning English grammar instead of the task.
  3. Batch Size Matters: We saturated the H200 with batch_size=128. High batch sizes stabilize the gradients for these volatile small architectures.
  4. Dataset Quality > Quantity:
    • Bad: 100k rows of scraped web text.
    • Good: 10k rows of "Input → Ideal Output" pairs.
    • Sweet Spot: 2 Epochs. Do not over-train; these models memorize quickly.

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

model_id = "anthonym21/Eve-2-MoE-IT-272M"

# Load with trust_remote_code=True for custom MoE architecture
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

# Standard formatting
prompt = "User: Explain the concept of Semantic Quantization.\nAssistant:"

inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=150, do_sample=True, temperature=0.6)

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

GGUF Quantizations

Quantized versions are available at anthonym21/Eve-2-MoE-IT-272M-GGUF:

QuantizationFilenameSize
Q8_0Eve-2-MoE-IT-272M-Q8_0.gguf~318 MB
Q4_K_MEve-2-MoE-IT-272M-Q4_K_M.gguf~204 MB

Citation

@misc{maio2026eve2moeit,
  author = {Maio, Anthony D.},
  title = {Eve-2-MoE-IT-272M: A Nano-MoE Foundation for Swarm Intelligence},
  year = {2026},
  publisher = {Maio, Anthony D.},
  url = {https://huggingface.co/anthonym21/Eve-2-MoE-IT-272M}
}

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
EveMoEForCausalLM
Ревизия весов
9289ac8

0 моделей