/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
186 млн
Лицензия
MIT
Архитектура
phimoe · MoE
Базовая модель
Phi-3.5-MoE-instruct
Библиотека
transformers
Опубликована
22 июн 2026

Phi-3.5-MoE-0.8B-A0.2B

Генерация текстаТекст → текст3 профессии

Производная модели inference-optimization/Phi-3.5-MoE-0.8B-A0.2B. Уменьшенная тестовая версия Phi-3.5-MoE-instruct для проверки загрузки и обучения диалоговых моделей генерации текста.

25скачиваний за 30 дней2лайкавеса обновлены22 июн 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

Карточка модели kylesayrs/Phi-3.5-MoE-0.8B-A0.2B на Hugging Face совпадает с карточкой inference-optimization/Phi-3.5-MoE-0.8B-A0.2B, поэтому описание составлено по ней.

Это тестовая уменьшенная версия диалоговой модели microsoft/Phi-3.5-MoE-instruct, созданная командой inference-optimization для разработки и проверки загрузки и обучения моделей. Она использует архитектуру PhiMoE с причинной генерацией текста и разреженной смесью экспертов: в README указаны 0,8 млрд параметров и два активных эксперта из восьми на токен; конфигурация сокращена до четырёх слоёв. Метаданные каталога указывают 186,3 млн параметров, поэтому фактический размер параметров расходится между источниками. Контекст составляет 4096 токенов, формат весов — safetensors, библиотека — Transformers; README также сообщает о точности bfloat16.

Модель предназначена для тестирования и разработки, а не для надёжного прикладного использования. Её дообучали на небольшом наборе copypasta-текстов; заявленная perplexity около 1 относится только к этому валидационному тексту и не подтверждает качество на общих задачах. Поддерживается диалоговая генерация текста на входном текстовом запросе. Лицензия — MIT.

Сценарии применения

  • проверка загрузки MoE-модели через Transformers
  • эксперименты с дообучением небольших языковых моделей
  • проверка пайплайна генерации диалогового текста

Ограничения

Это тестовая модель с уменьшенной архитектурой и дообучением на небольшом copypasta-датасете; качество на общих задачах не подтверждено. README и метаданные расходятся в оценке числа параметров: 0,8 млрд в README против 186,3 млн в метаданных.

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

Phi-3.5-MoE-0.8B-A0.2B

This is a tiny version of microsoft/Phi-3.5-MoE-instruct created for testing and development.

Model Details

  • Base Model: microsoft/Phi-3.5-MoE-instruct
  • Architecture: phimoe
  • Total Parameters: 0.80B
  • Activated Parameters: 0.20B (2 out of 8 experts active per token)

Configuration Changes

The following parameters were reduced from the original model:

ParameterOriginalTiny
num_hidden_layers324
num_local_experts168
hidden_size40962048
intermediate_size64003200
num_attention_heads3216
num_key_value_heads84
num_experts_per_tok22

Checkpoint Structure

This model is saved as a single safetensors file (model.safetensors) with the same tensor naming convention as the original model:

  • Uses block_sparse_moe for MoE layers
  • Experts stored as separate w1, w2, w3 weights per expert
  • Compatible with standard transformers loading

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("inference-optimization/Phi-3.5-MoE-0.8B-A0.2B", device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("inference-optimization/Phi-3.5-MoE-0.8B-A0.2B")

input_ids = tokenizer("According to all known laws", return_tensors="pt").input_ids.to(model.device)
output = model.generate(input_ids, max_new_tokens=20)
print(tokenizer.decode(output[0]))

Validation Results

Success: 1.0009158849716187 <= 10.0

==================================================
Generating sample text:
According to all known laws of aviation, there is no way a bee should be able to
==================================================

The model achieves a perplexity of ~1.0 on the validation copypasta text after fine-tuning, demonstrating that it can learn effectively.

Creation Process

This model was created using the llm-compressor create-tiny-model skill:

  1. Configuration was modified to reduce model size while maintaining architectural characteristics
  2. Model was initialized from config with proper weight initialization
  3. Fine-tuned on a small copypasta dataset to validate learning capability
  4. Achieved target perplexity < 3.0 in 170 training steps

Notes

  • This model uses the PhiMoE architecture with longrope position embeddings
  • The model maintains the same MoE structure as the original (2 experts per token)
  • All weights are stored in bfloat16 precision
  • The checkpoint structure exactly matches the original model's format

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
PhimoeForCausalLM
Ревизия весов
20a670b

0 моделей