/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
276 млн
Лицензия
MIT
Архитектура
tinymixtral · MoE
Библиотека
transformers
Опубликована
25 авг 2026

tinymixtral-1B

Генерация текстаТекст → текст3 профессии

Компактная разреженная языковая модель для генерации текста и диалогов, дообученная на образовательных и веб-текстах.

235скачиваний за 30 дней0лайковвеса обновлены25 авг 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

TinyMixtral 1B — компактная языковая модель, разработанная автором репозитория mikecovlee. Это декодерный Transformer с разреженной архитектурой Mixture-of-Experts: в README указано 1,18 млрд параметров, из которых около 351 млн активны при обработке. Модель дообучена на 1 млрд токенов образовательных и веб-текстов; среди датасетов в метаданных указаны FineWeb-Edu и SmolLM-Corpus. Репозиторий содержит веса PyTorch, а метаданные указывают библиотеку Transformers и контекстное окно 2 048 токенов.

Модель предназначена для генерации текста и диалогового взаимодействия. Её можно использовать для черновых ответов, продолжения текста и краткого пересказа диалогов, хотя результаты приведённой в README оценки SAMSum показывают, что пересказ уступает T5-small. В тестах также приведены результаты на HellaSwag, PIQA, Winogrande и IFEval; показатели следования инструкциям остаются ограниченными.

Автор отмечает слабые способности к многошаговым рассуждениям и математике, риск правдоподобных, но неверных ответов и более короткий эффективный контекст по сравнению с окном в 2 048 токенов. Модель выпущена по лицензии MIT.

Сценарии применения

  • генерация коротких текстовых ответов
  • продолжение веб-текстов и учебных материалов
  • черновое ведение диалога с пользователем
  • суммаризация коротких диалогов

Ограничения

Модель ограничена в многошаговых рассуждениях и математике, может выдавать правдоподобные, но неверные факты. Эффективный контекст короче заявленного окна в 2 048 токенов.

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

TinyMixtral 1B — Post-Trained

A 1.18B-parameter Mixture-of-Experts language model (351M active), post-trained on 1B tokens of educational and web text.

Model Details

PropertyValue
ArchitectureDecoder-only Transformer with Sparse MoE
Total Parameters1,182,172,160
Active Parameters~351M
Hidden Size1024
Layers16
Experts8 (top-2 routing)
Attention Heads16 query / 4 key-value (GQA)
Head Dimension64
Intermediate Size2,816 (per expert)
Vocabulary32,000
Context Length2,048
Position EncodingRoPE (theta=1e6)
ActivationSiLU
NormRMSNorm
Tied EmbeddingsYes

Training

Pre-training (4B tokens):

  • Data: FineWeb-Edu + Cosmopedia (89:11 blend)
  • Schedule: WSD (warmup 2,000 → stable → decay)
  • Peak LR: 7e-4
  • Batch: 16 × 1,024 = 16,384 tokens/step
  • Steps: 244,141
  • Duration: ~102.5 hours

Post-training (1B tokens):

  • Data: FineWeb-Edu + Cosmopedia continuation (second 1B slice)
  • Schedule: WSD (warmup 2,000 → stable → decay)
  • Peak LR: 2e-5
  • Batch: 16 × 1,024
  • Steps: 60,975
  • Duration: ~25.9 hours

Benchmark Results

Harness (0-shot)

BenchmarkScore
HellaSwag (acc_norm)0.313
PIQA (acc)0.609
Winogrande (acc)0.505
ARC-Easy (acc_norm)0.410
ARC-Challenge (acc_norm)0.272
OpenBookQA (acc_norm)0.290
BoolQ (acc)0.528
LAMBADA (acc)0.195

IFEval (instruction-following)

Modelinst_strict
1B post-train0.2338
v1.10.2182

SAMSum (Dialogue Summarization)

ModelROUGE-1ROUGE-2ROUGE-L
1B (0-shot)9.830.507.85
1B (fine-tuned, 15ep)28.828.5524.08
T5-small (60M)35.713.431.4

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "publish_posttrain/",
    trust_remote_code=True,
    torch_dtype="bfloat16",
    device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained("publish_posttrain/", legacy=False)

prompt = "The capital of France is"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
output = model.generate(**inputs, max_new_tokens=20, do_sample=False)
print(tokenizer.decode(output[0], skip_special_tokens=True))

Limitations

  • Data budget: Trained on only 4B tokens (pre-training) + 1B tokens (post-training). Comparable models use 100-1000× more data.
  • Reasoning: Limited multi-step reasoning and mathematical capability.
  • Hallucination: May generate plausible but incorrect facts.
  • Context: Effective context is shorter than the 2,048-token window.

License

MIT License. See LICENSE for details.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
TinyMixtralForCausalLM
Ревизия весов
4764731

0 моделей