/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
143 млн
Лицензия
MIT
Архитектура
tinymixtral · MoE
Библиотека
transformers
Опубликована
15 июл 2026

tinymixtral-v1.0

Генерация текстаТекст → текст3 профессии

Небольшая английская базовая MoE-модель для генерации текста и воспроизводимых экспериментов, являющаяся первой, устаревшей версией семейства TinyMixtral.

522скачиваний за 30 дней1лайквеса обновлены5 окт 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

mikecovlee/tinymixtral-v1.0 — базовая авторегрессионная языковая модель семейства TinyMixtral от mikecovlee, выпущенная как первая версия и сохранённая для исторического сравнения и воспроизводимости. Это модель Mixture of Experts: в README указаны 432 млн параметров, из которых около 176 млн активны при выборе двух из шести экспертов; архитектура включает 10 слоёв, скрытый размер 896 и контекст 2048 токенов. Метаданные каталога указывают 143,4 млн параметров; доступна версия весов PyTorch.

Модель предварительно обучена на 4 млрд токенов английского корпуса C4, затем продолжила обучение на 1 млрд токенов FineWeb-Edu и Cosmopedia v2. Она предназначена для генерации текста и экспериментов с небольшими MoE-моделями; чат-возможность отмечена в каталожных метаданных, но модель не проходила инструкционное дообучение и настройку безопасности. По приведённым в README бенчмаркам результаты служат слабой базовой линией; модель уступает последующим версиям и заменена v3.0. Лицензия — MIT.

Сценарии применения

  • генерация продолжений английского текста
  • эксперименты с компактными языковыми MoE-моделями
  • воспроизведение результатов предобучения на C4
  • сравнение качества базовых языковых моделей

Ограничения

Устаревшая версия, уступающая последующим релизам по указанным бенчмаркам; модель не проходила инструкционное дообучение или настройку безопасности и ориентирована преимущественно на английский язык. README указывает около 432 млн параметров, тогда как метаданные каталога — 143,4 млн.

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-v1.0 — legacy (C4)

The first TinyMixtral release, trained on C4-en. Kept for historical reference and reproducibility; superseded by v3.0.

Model details

Same trunk architecture as v1.1 (the data-quality ablation changed only the data): ~432M total parameters (~176M active, top-2 of 6 routed experts), hidden 896, 10 layers, GQA 14 Q / 2 KV heads (head dim 64), 32k vocabulary, 2048 context.

Training

Pretrain (4B tokens, C4-en).

ParameterValue
DataC4-en
Batch size22
Sequence length1,024
Tokens/step22,528
Steps177,557
Learning rate3e-4
Warmup steps2,000
Weight decay0.1
Grad clip1.0
Time~77 h

Post-train (1B tokens). Continue from the C4 checkpoint on higher-quality data (FineWeb-Edu + Cosmopedia v2, 50:50):

ParameterValue
DataFineWeb-Edu + Cosmopedia v2 (50:50)
Tokens1B
Steps44,390
Learning rate5e-5
Warmup steps300
Time~20.8 h

Evaluation

Measured with lm-evaluation-harness v0.4.12, 0-shot (cuda, bf16).

TaskMetricv1.0 (C4 4B)
HellaSwagacc_norm0.310
PIQAacc0.613
WinoGrandeacc0.508
ARC-Easyacc0.422
ARC-Challengeacc_norm0.247
OpenBookQAacc_norm0.308
BoolQacc0.579
LAMBADAacc0.240
Mean—0.403

These serve as the (weak) baseline for the data-quality ablation that produced v1.1.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("mikecovlee/tinymixtral-v1.0", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("mikecovlee/tinymixtral-v1.0")

Requires transformers and trust_remote_code=True (custom tinymixtral architecture).

Limitations

  • Legacy model — superseded by v3.0. Weaker than the later releases on every benchmark.
  • Base model only: no instruction tuning or safety alignment.
  • Trained on only 4B tokens of C4-en; English-centric.

Family

Naming. The MoE family is published under tinymixtral; the dense 276M iso-active ablation companions use the tinymistral spelling. Both belong to the same project.

Citation

@misc{tinymixtralv1.02026,
  title  = {TinyMixtral: a small Mixture-of-Experts language-model family},
  author = {Michael Lee},
  year   = {2026},
  howpublished = {\url{https://huggingface.co/mikecovlee/tinymixtral-v1.0}}
}

License

MIT (Copyright (C) 2026 Michael Lee).

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
52aa1f5

0 моделей