/ Модель

Характеристики

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

tinymixtral-v1.1-0.5b

Генерация текстаТекст → текст3 профессии

Компактная англоязычная MoE-модель для продолжения текста и языковых экспериментов.

545скачиваний 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

TinyMixtral v1.1 0.5B — компактная базовая языковая модель со sparse Mixture-of-Experts архитектурой, разработанная Mike Covington Lee. В ней около 143,4 млн параметров по метаданным; README приводит оценку около 432 млн общих и 176 млн активных параметров на токен. Модель использует шесть маршрутизируемых экспертов с выбором двух, токенизатор TinyLlama на 32 тыс. токенов SentencePiece и контекст длиной 2048 токенов.

Модель предназначена для продолжения текста и базовых языковых экспериментов. Она обучалась на 4 млрд токенов из FineWeb-Edu и Cosmopedia v2; карточка указывает английский язык. В README приведены результаты нулевого обучения на HellaSwag, PIQA и WinoGrande. По сравнению с более крупными моделями в тех же тестах её показатели ниже.

Это базовая модель без дообучения на инструкциях и без выравнивания безопасности. README отмечает ограниченный объём обучения, ориентацию на английский и наличие более новой версии семейства. Репозиторий содержит веса PyTorch, библиотека — Transformers; лицензия MIT.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с компактными языковыми моделями
  • изучение маршрутизации экспертов в MoE
  • оценка небольших языковых моделей на тестах commonsense reasoning

Ограничения

Модель не дообучена на инструкциях и не имеет выравнивания безопасности; она обучалась лишь на 4 млрд токенов и ориентирована преимущественно на английский. В README отмечено, что её превосходит более новая версия семейства.

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-v1.1-0.5b — 0.5B-class MoE

Dense-ish small MoE (~432M total / ~176M active, top-2 of 6 routed experts) trained on the SmolLM-inspired blend — the "data quality" ablation that replaced C4 with FineWeb-Edu + Cosmopedia v2.

The repository name says "0.5b" (storage/coarse size class); the trained model is ~432M total parameters, of which ~176M are active per token.

Model details

ParameterValue
TypeSparse MoE, 6 routed experts (top-2)
Total params~432M
Active params~176M
Hidden size896
Layers10
AttentionGQA 14 Q / 2 KV heads (head dim 64)
Vocab32,000
Context2,048

Training

  • Data: FineWeb-Edu + Cosmopedia v2 ≈ 89:11 (sampling weights 36:4), 4B tokens.
  • LR: 7e-4 (swept over {1e-4, 3e-4, 5e-4, 7e-4} on 100M-token runs; 7e-4 best).
  • Batch: 24 × 1024; cosine schedule with 2,000-step warmup.
  • Tokenizer: TinyLlama (32k SentencePiece).

Evaluation

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

TaskMetricv1.1 (432M)
HellaSwagacc_norm0.308
PIQAacc0.616
WinoGrandeacc0.524
ARC-Easyacc0.456
ARC-Challengeacc_norm0.247
OpenBookQAacc_norm0.288
BoolQacc0.606
LAMBADAacc0.227
Mean—0.409

Comparison with similar models

Same suite and settings, measured locally (lm-evaluation-harness v0.4.12, 0-shot, cuda, bf16):

TaskMetricv1.1 (432M)SmolLM2-360MQwen3-0.6B
HellaSwagacc_norm0.3080.5630.473
PIQAacc0.6160.7190.673
WinoGrandeacc0.5240.5870.563
ARC-Easyacc0.4560.7050.609
ARC-Challengeacc_norm0.2470.3830.340
OpenBookQAacc_norm0.2880.3720.316
BoolQacc0.6060.6200.643
LAMBADAacc0.2270.5320.401

SmolLM2-360M was trained on 4T tokens and Qwen3-0.6B on 36T tokens, versus 4B tokens for v1.1 (~1000× less) on a single consumer GPU — the gap is primarily a data-budget difference.

The C4 → SmolLM data-quality switch mainly improved ARC-Easy (+3.4pp) and BoolQ (+2.7pp) versus the legacy v1.0 C4 model (mean 0.403 → 0.409); ARC-Challenge was unchanged (0.247).

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("mikecovlee/tinymixtral-v1.1-0.5b", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("mikecovlee/tinymixtral-v1.1-0.5b")

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

Limitations

  • Base model only: no instruction tuning or safety alignment.
  • Trained on only 4B tokens; English-centric. Superseded by v3.0.

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{tinymixtralv1.10.5b2026,
  title  = {TinyMixtral: a small Mixture-of-Experts language-model family},
  author = {Michael Lee},
  year   = {2026},
  howpublished = {\url{https://huggingface.co/mikecovlee/tinymixtral-v1.1-0.5b}}
}

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
71212db

0 моделей