/ Модель

Характеристики

Контекст
1 024 токена
Параметры
157 млн
Лицензия
MIT
Архитектура
mixtral · MoE
Опубликована
30 авг 2026

aaie-moe-pretrain-mixtral

Генерация текстаТекст → текст3 профессии

Экспорт недообученной MoE-модели AAIE в формате Mixtral для генерации английского текста и диалогов через Transformers или vLLM.

64скачиваний за 30 дней0лайковвеса обновлены30 авг 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

Это экспорт модели AAIE MoE Pretrain в формате MixtralForCausalLM для загрузки через стандартные реализации Transformers и vLLM. Его разработчик переименовал и сопоставил параметры и конфигурацию исходной модели; веса не переобучались. Архитектура — MoE с восемью экспертами и маршрутизацией top-2. Несмотря на совместимость с Mixtral, модель имеет 617,91 млн общих параметров и 222,73 млн активных параметров на токен; метаданные каталога указывают размер 156,8 млн параметров. Контекст составляет 1024 токена.

Модель предназначена для генерации текста и диалоговых сценариев на английском языке. Она дистиллирована из Qwen/Qwen2.5-3B на FineWeb-Edu, но не проходила инструкционное дообучение. Обучение остановили на 41,9% запланированного бюджета, поэтому ответы могут быть повторяющимися и звучать как выводы недообученной модели. Лицензия — MIT.

Сценарии применения

  • эксперименты с генерацией английского текста
  • тестирование загрузки MoE-модели через vLLM
  • прототипирование диалогов на английском языке

Ограничения

Обучение остановлено на 41,9% запланированного бюджета; модель не проходила инструкционное дообучение, поэтому может выдавать повторяющиеся и недообученные ответы.

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

AAIE MoE Pretrain (Mixtral-compatible export)

A MixtralForCausalLM-format export of AAIE MoE Pretrain — same weights, same architecture, just registered under transformers'/vLLM's native Mixtral implementation instead of custom trust_remote_code.

Why this exists

Unlike the dense AAIE models (which map directly onto Llama), this MoE model has a routed-expert FFN, so it isn't Llama-compatible. It turns out to be structurally identical to Mixtral's mixture-of-experts design instead: the same routing math (softmax over router logits, top-k selection, renormalize the selected weights to sum to 1) and the same per-expert SwiGLU FFN shape as Mixtral-8x7B (also 8 experts, top-2 routing) — just with different tensor names. This export is a pure state_dict + config remap, not a retrain.

Verified byte-for-byte identical to the original: same prompt, same greedy decode, torch.equal() on the output token ids between the original custom-class model and this Mixtral-remap returned True.

Payoff: loads natively in vLLM (no trust_remote_code, no custom backend) using vLLM's own MixtralForCausalLM implementation, including its expert-parallel/fused-MoE kernels.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("namquangstudy/aaie-moe-pretrain-mixtral")
model = AutoModelForCausalLM.from_pretrained("namquangstudy/aaie-moe-pretrain-mixtral")
# no trust_remote_code needed - this is a plain MixtralForCausalLM
from vllm import LLM, SamplingParams

llm = LLM(model="namquangstudy/aaie-moe-pretrain-mixtral")
out = llm.generate(["The purpose of a database index is"], SamplingParams(max_tokens=100))
print(out[0].outputs[0].text)

Important caveat: this checkpoint is not converged

Training was stopped at 41.9% of its planned budget (step 41,500 / 100,000) — see the original model's README and the project's TECHNICAL_REPORT_MOE.md for why and what's still open. Expect repetitive, undertrained-sounding output; this is a faithful export of an in-progress checkpoint, not a finished model.

Full details

8-expert, top-2-routed MoE variant (617.91M total / 222.73M active parameters per token), distilled from Qwen/Qwen2.5-3B on FineWeb-Edu. No instruction-tuning. Full architecture, training data, and hyperparameters are documented on the original AAIE MoE Pretrain model card — this export carries the exact same weights and behavior, just packaged for vLLM/ecosystem compatibility.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
MixtralForCausalLM
Ревизия весов
4a34702

0 моделей