中文简介
mindlab-research/Macaron-V1-Venti 是 mindlab-research 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 3d6f30eea386,同步到 306 个文件,文件元数据合计 1.43 TB;访问状态为“公开”,许可证字段为“mit”。
上游模型卡 / 数据集卡
【README 卡片中文译介】
以下内容依据上游仓库 mindlab-research/Macaron-V1-Venti 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。
【资源概览】
mindlab-research/Macaron-V1-Venti 是 mindlab-research 在 Hugging Face 发布的模型仓库,当前卡片主要关联文本生成与推理。本站固定记录上游版本 3d6f30eea386,同步到 306 个文件,文件元数据合计 1.43 TB;访问状态为“公开”,许可证字段为“mit”。
【适用方向】
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
【版本与规格】
固定版本:3d6f30eea386。 任务标签:文本生成与推理。 语言字段:en, zh。 架构:GlmMoeDsaForCausalLM。 上游 Safetensors 元数据显示参数量约 753.33 B。 库标记:transformers。 模型类型字段:glm_moe_dsa。 上游标注的基础模型:zai-org/GLM-5.2。 上游页面记录的最近更新时间:2026-07-23。
【文件信息】
上游 API 返回 306 个文件,文件元数据合计 1.43 TB。 已保存文件清单中的主要扩展名:.safetensors 84 个、.json 6 个、.yaml 3 个、.svg 2 个、无扩展名 2 个、.jinja 1 个。 当前较大的文件包括:loras/L0/adapter_model.safetensors(14.34 GB);loras/L1/adapter_model.safetensors(14.34 GB);loras/L2/adapter_model.safetensors(14.34 GB)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。
【运行或处理环境】
仓库文件元数据合计 1.43 TB。 按每参数 2 字节只计算 BF16 权重,理论下限约 1.37 TB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
【使用边界】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
Macaron-V1-Venti 📖 Blog: Introducing Macaron-V1 🚀 Hosted API: Macaron API Platform 🧩 Artifacts: Macaron Artifacts 🛠️ Self-hosted serving: Mixture of LoRA (MoL) serving harness 📄 Technical report: coming soon Macaron-V1-Venti is a 748B-parameter flagship model in the Macaron-V1 family, built for personal intelligence, tool use, coding workflows, and code-native Generative UI. The model uses a Mixture of LoRA (MoL) architecture on top of GLM-5.2, consisting of a 744B-parameter base model and four 1B-parameter LoRA specialists. The specialists cover chat, personal-agent tasks, coding, and GenUI, with an L0 router selecting the most suitable specialist for each new user request. Macaron-V1-Venti follows Macaron-V1-Preview and keeps the routed MoL design while moving to GLM-5.2. It is the first model to be post-trained on GLM-5.2, expanding personal-agent and Generative UI training while aligning model behavior with the production harness used for agentic workflows. Highlights A 748B-parameter flagship model, consisting of a 744B GLM-5.2 base model and four 1B-parameter LoRA specialists across Chat, Agent, Coding, and GenUI. The first model to be post-trained on GLM-5.2, moving Macaron's personal-intelligence stack beyond Macaron-V1-Preview. Model-and-harness co-design: post-trained with MinT and MindForge for production-aligned routing, tool use, UI4A Generative UI, and agent workflows. Long-context post-training infrastructure: the V1 training stack incorporates LongStraw for multi-million-token RL execution, with Venti supporting a 1M context length. Broad evaluation across personal intelligence, agentic tasks, coding, terminal use, and Generative UI; Macaron V1 leads the listed baselines on ChatBench, LivingBench, PinchBench, TerminalBench 2.1, and UI4ABench. Model Overview | Field | Value | |---|---| | Model name | Macaron-V1-Venti | | Organization | MindLab Research | | Release family | Macaron-V1 | | Base model | GLM-5.2 | | Architecture | GLM-5.2 base + Mixture o
适用场景
适合在真实样本上评估文本生成与推理能力,并比较质量、时延和资源消耗。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。
模型参数
固定版本:3d6f30eea386。 任务标签:文本生成与推理。 语言字段:en, zh。 架构:GlmMoeDsaForCausalLM。 上游 Safetensors 元数据显示参数量约 753.33 B。 库标记:transformers。 模型类型字段:glm_moe_dsa。 上游标注的基础模型:zai-org/GLM-5.2。 上游页面记录的最近更新时间:2026-07-23。
文件说明
上游 API 返回 306 个文件,文件元数据合计 1.43 TB。 已保存文件清单中的主要扩展名:.safetensors 84 个、.json 6 个、.yaml 3 个、.svg 2 个、无扩展名 2 个、.jinja 1 个。 当前较大的文件包括:loras/L0/adapter_model.safetensors(14.34 GB);loras/L1/adapter_model.safetensors(14.34 GB);loras/L2/adapter_model.safetensors(14.34 GB)。 仓库文件较多,本站仅保存前 100 条文件元数据;完整清单请查看上游仓库。
上游文件元数据
.eval_results/deep_swe.yaml170 B.eval_results/README.md1.12 KB.eval_results/swe_bench_verified.yaml193 B.gitattributes310 Bassets/mindlab_logo.svg26.89 KBassets/v1_benchmark.png860.62 KBassets/v1_benchmark.svg1.49 MBchat_template.jinja4.96 KBconfig.json3.64 KBevaluation/benchmark_summary.yaml1.97 KBgeneration_config.json194 BLICENSE1.05 KB
硬件建议
仓库文件元数据合计 1.43 TB。 按每参数 2 字节只计算 BF16 权重,理论下限约 1.37 TB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。
注意事项
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。
获取、校验与交付
咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。
- 大模型获取与国内转存服务
- 大模型怎么下载:Hugging Face 官方方式与国内交付完整指南
- 国内下载 Hugging Face 模型很慢或经常中断怎么办
- DeepSeek、ChatGPT、豆包、Kimi 能否下载到本地
本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。