/ Модель

Характеристики

Контекст
1 024 токена
Параметры
92,5 млн
Лицензия
Apache 2.0
Архитектура
qwen3_moe · MoE
Библиотека
transformers
Опубликована
9 июл 2025

loggenix-moe-0.12B-A0.08B-e5-lr5e4-b4-3060

Генерация текстаТекст → текст7 профессий

Небольшая обученная с нуля MoE-языковая модель для следования инструкциям, анализа первопричин, генерации кода и создания специализированных агентов.

88скачиваний за 30 дней1лайквеса обновлены17 дек 2025

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

LoggenixMoE133M — небольшая причинно-языковая модель с архитектурой Mixture-of-Experts, разработанная kshitijthakkar и обученная с нуля на наборах данных для анализа первопричин, генерации кода и рассуждений. В метаданных указаны 92,5 млн параметров, семейство Qwen3 MoE и контекст 1024 токена; карточка README приводит другое число — 133 млн параметров, из них примерно 80 млн активны на шаге, и описывает восемь экспертов с маршрутизацией Top-2.

Модель предназначена для следования инструкциям, анализа первопричин, структурированного суммирования, генерации кода на Python и диалоговых сценариев. Её можно дообучать для узких задач на устройствах с ограниченными ресурсами и использовать как основу специализированных агентов; токенизатор содержит специальные токены для взаимодействия с инструментами. Заявлена поддержка Transformers и форматов PyTorch/Safetensors.

README указывает, что модель обучена с нуля, поэтому связь архитектуры с Qwen3 не означает, что она основана на базовой модели Qwen3. Репозиторий распространяется по лицензии Apache-2.0. Карточка предостерегает от длинного контекста, ответов на фактические вопросы с высокими ставками и применения в критически важных системах без надзора.

Сценарии применения

  • анализ первопричин сбоев
  • структурированное суммирование технических инцидентов
  • генерация простого кода на Python
  • следование инструкциям в компактном чат-боте
  • создание специализированного агента с вызовом инструментов

Ограничения

README не рекомендует использовать модель для задач с контекстом длиннее 4K токенов, фактических ответов с высокими ставками или критически важных решений без надзора. Метаданные указывают контекст 1024 токена, а README — 133 млн параметров против 92,5 млн в метаданных.

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

🧠 LoggenixMoE133M: A Lightweight Mixture-of-Experts Language Model (8E2A)

Model Size Experts Routing Model Size License: Apache 2.0


📝 Model Card

LoggenixMoE133M is a small Mixture-of-Experts (MoE) Causal Language Model trained from scratch on a custom dataset containing root cause analysis (RCA), code generation, and reasoning tasks.

  • Architecture: A lightweight transformer with Mixture-of-Experts routing, inspired by the innovative architectural design of Qwen3 models.
  • Parameter Count: 133M total, with 2 experts active per token (approx. 80M active per step).
  • Experts: 8 total, gated per token with router logits.
  • Activation Strategy: Top-2 routing with auxiliary routing loss.
  • Tokenizer Features: Crucially, the tokenizer includes dedicated special tokens for agentic capabilities: <tool_call> and <think>. These tokens are designed to facilitate advanced reasoning, planning, and interaction with external tools, enabling the model to serve as a foundational component for building robust AI agents.

📊 Training Details

AttributeValue
Total Params133M
MoE Config8 experts, top-2 gating
Dataset TypeRCA, code, and logic prompts (15+ task splits)
Training Epochs5
Effective Tokens Seen1.5 Billion
Train Loss (final)3.263
Val Loss (final)3.327
Mean Token Accuracy~48%
OptimizerAdamW
SchedulerLinear Warmup + Cosine Decay
PrecisionFP16 with GradScaler
Checkpoint FormatHF-compatible
Training Cost$94 across Modal (A100 40GB) + Hyperbolic (RTX 4090)
Context Length1024

🧪 Intended Use

✅ Suitable for:

  • Instruction-following tasks
  • Root cause analysis (RCA) and structured summarization
  • Lightweight code generation (Python)
  • Chain-of-thought style reasoning prompts
  • Fine-tuning for specific tasks on edge devices (e.g., smart home voice assistants, mobile offline chatbots, industrial IoT anomaly detection)
  • Building specialized AI agents that can reason, plan, and interact with external tools (e.g., automated customer support, workflow automation, personalized learning agents)

🚫 Not suitable for:

  • Long-context tasks (>4K tokens)
  • High-stakes factual QA
  • Safety-critical decision-making without oversight

🧨 Example Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("kshitijthakkar/loggenix-moe-0.12B-A0.08B-e5-lr5e4-b4-3060")

messages = [
   {
       "content": "",
       "role": "system"
   },
   {
       "content": "Write a Python function to compute factorial.",
        "role": "user"
    }
 ]
# Tokenizer

tokenizer.pad_token = tokenizer.eos_token
inputs = tokenizer.apply_chat_template(messages, return_tensors="pt").to("cuda")
model = AutoModelForCausalLM.from_pretrained("kshitijthakkar/loggenix-moe-0.12B-A0.08B-e5-lr5e4-b4-3060", device_map="auto")
memory = model.get_memory_footprint() / 1e6
print(f"Memory footprint: {memory:,.1f} MB")
model
outputs = model.generate(inputs, do_sample=True,use_cache=False,max_new_tokens=512)
print(tokenizer.decode(outputs[0]))


## Alternatively
with torch.no_grad():
  outputs = model.generate(
                       inputs,
                        max_new_tokens=50,  # Reduced for testing
                        do_sample=True,
                        temperature=0.5,
                        top_p=0.95,
                        return_dict_in_generate=True,
                        use_cache=False  # Disable caching to avoid potential issues
                    )
  generated_text = tokenizer.decode(outputs.sequences[0], skip_special_tokens=True)
  print(generated_text)

🔧 Expert Routing

This model uses a top-2 gating mechanism where, for each token, two of the eight experts are selected based on learned router logits.

During training, a light auxiliary loss was applied to encourage balanced expert usage and improve routing stability.

Note: Routing logits are optionally available in the model outputs via output_router_logits=True.


📃 License

This model is released under the Apache 2.0 License.


🙌 Acknowledgements

Trained using:

🧨 Hugging Face Transformers

🧠 Custom training loop with gradient checkpointing

🧮 NVIDIA RTX 4090 (24GB VRAM) / A100 (40GB)

📦 Logged and tracked via Weights & Biases


🗣️ Citation


@misc{loggenix-moe-0.12B-A0.08B-e5-lr5e4-b4-3060, title = {loggenix-moe-0.12B-A0.08B-e5-lr5e4-b4-3060: A Lightweight Mixture-of-Experts Model}, author = {kshitijthakkar}, year = {2025}, url = {https://huggingface.co/kshitijthakkar/loggenix-moe-0.12B-A0.08B-e5-lr5e4-b4-3060 }, note = {Trained from scratch on RCA + code + reasoning dataset.} }

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3MoeForCausalLM
Ревизия весов
880d99c

0 моделей