/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Размер весов
12,8 ГБ
Лицензия
CC BY-NC 4.0
Архитектура
qwen2_moe · MoE
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B
Опубликована
5 окт 2026

Vigyan-1.5B-4x-MoE

Генерация текстаТекст → текст

Экспериментальная компактная MoE-модель на базе DeepSeek-R1-Distill-Qwen-1.5B для генерации текста по науке, технологиям, инженерии и математике.

1 269скачиваний за 30 дней1лайквеса обновлены8 окт 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

Vigyan-1.5B-4x-MoE — экспериментальная разреженная языковая модель от Vigyan AI, собранная из четырёх LoRA-адаптеров для науки, технологий, инженерии и математики. Она основана на DeepSeek-R1-Distill-Qwen-1.5B и использует архитектуру Qwen2 MoE с четырьмя экспертами, маршрутизацией Top-1 и общим STEM-якорем. Размер модели — 1,5 млрд параметров, заявленная длина контекста — 131 072 токена; доступны веса Safetensors и квантованный GGUF Q4_K_M для локального запуска.

Модель предназначена для генерации текста и диалоговых запросов по STEM-темам, в том числе для экспериментов с локальным запуском на CPU или мобильных устройствах. В README описаны наблюдения о чувствительности маршрутизатора и скорости на потребительском процессоре, но также указаны сбои в обычных приветствиях и риск коллапса представлений при переключении экспертов, поэтому качество не следует считать надёжным для общего общения. Лицензия CC BY-NC 4.0 разрешает академическое и личное использование; коммерческое применение требует отдельной лицензии.

Сценарии применения

  • ответы на вопросы по математике
  • объяснение научных понятий
  • помощь с инженерными задачами
  • ответы на технические вопросы
  • локальные эксперименты с компактной MoE-моделью

Ограничения

В README отмечены зацикливание на токенах при обычных приветствиях и возможный коллапс представлений при частом переключении между экспертами. Модель экспериментальная, а коммерческое использование ограничено лицензией CC BY-NC 4.0.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🧪 Vigyan 1.5B 4× MoE (Sparse Mixture of Experts)

Classification: Experimental Research Artifact / Compact Edge MoE
Architecture Target: 4-Expert Sparse MoE with Top-1 Active Routing
Base Model: deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B
Research Lab: Vigyan AI Sovereign Initiative

Open Vigyan 1.5B MoE in Colab


📌 1. Executive Summary & Research Context

Vigyan-1.5B 4× MoE is an experimental Sparse Mixture of Experts model upcycled from 4 specialized domain LoRA adapters (Science, Technology, Engineering, Mathematics).

It was assembled to evaluate whether post-hoc expert stitching on compact language models ($\le 3\text{B}$) can deliver multi-domain specialization at single-expert inference latency with a sub-1GB RAM footprint.

A pre-quantized standalone GGUF (vigyan-1.5b-4x-moe.Q4_K_M.gguf) is available directly within this repository for instantaneous local execution on CPU or mobile.

🚀 1-Click Interactive Google Colab Demo

Test this model on Google Colab with an embedded Gradio chat interface:
Open Vigyan 1.5B MoE in Colab


📐 2. Architectural Blueprint

  • Base Foundation: deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B
  • Active Routing: Top-1 active expert per token + shared residual STEM anchor.
  • Assembled Experts:
    • shreyansh12183/vigyan-1.5b-adapter-science
    • shreyansh12183/vigyan-1.5b-adapter-technology
    • shreyansh12183/vigyan-1.5b-adapter-engineering
    • shreyansh12183/vigyan-1.5b-adapter-mathematics
  • Gating Mechanism: gate_mode: hidden with contrasting negative prompt calibration.

📊 3. Empirical Benchmark Observations

  • Entropy Score: Observed gating logit entropy $\approx 1.1152$, demonstrating router domain sensitivity.
  • Inference Velocity: Evaluated at $\approx 16-22\text{ tokens/second}$ on consumer AMD Ryzen 5 CPU.
  • Failure Modes Identified:
    1. Delimiter Blindness: Without general conversational anchor replay during adapter training, the model degrades into token echo loops when receiving general chat greetings.
    2. Attractor Collapse: Due to uncoordinated expert state representations, consecutive tokens routed across disparate experts trigger representation collapse.

🔮 4. Future Roadmap

Our primary production focus has transitioned to Allen AI's native OLMoE-1B-7B (64 natively pretrained experts with auxiliary load-balancing loss). This checkpoint serves as foundational reference data for the Post-Hoc Upcycling Fragility Theorem.


📜 License & Sovereign Attribution

Released under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0) license.

✅ Permitted Free Use:

  • Academic research, university coursework, student study, and personal experimentation.

🚫 Commercial Restrictions:

  • Any commercial deployment, paid SaaS API, commercial tutoring platform, or enterprise wrapper requires an explicit commercial license.
  • Founder & Chief Architect: Shreyansh Singh
  • Organization: Vigyan AI / ExperimentLab.in

📜 Academic Research Paper & Citation

This architecture is formally documented and validated in the Vigyan AI Technical Paper Series (Vol 01):

@article{singh2026moe},
  title   = {Sparse Mixture-of-Experts (MoE) Upcycling and Router Stabilization},
  author  = {Singh, Shreyansh},
  journal = {Vigyan AI Technical Whitepaper Series},
  year    = {2026},
  publisher = {ExperimentLab.in},
  url     = {https://huggingface.co/datasets/shreyansh12183/vigyan-ai-research-papers}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2MoeForCausalLM
Ревизия весов
57e4eb3

0 моделей