Supported Models
MinT 服务端的基础模型按访问计划分两个 lineup 池，外加可申请加入 lineup 的技术兼容集合：
- 社区版可用模型 —— 通过
mint.macaron.xin共享托管端点访问，需申请 API key。 - 企业版专属模型 —— 通过企业版套餐在专属集群上预留算力获得。
社区版可用模型
下表里这些 Qwen3 基础模型在 mint.macaron.xin 上有预留算力，并在 mint-quickstart 里有测试覆盖。列表与一次 live preflight（service_client.get_server_capabilities().supported_models）返回的 Qwen 条目一致。如果没有特别偏好，用 lineup 里任意一个跑 smoke run 即可。
Qwen3 基础模型
| 具体型号 | Training Type | Architecture | Size | Context | 脚本默认 | 已测试算法 |
|---|---|---|---|---|---|---|
Qwen/Qwen3-0.6B | Hybrid | Dense | Tiny | 32k | 是 | SFT、GRPO |
Qwen/Qwen3-4B-Instruct-2507 | Instruction | Dense | Compact | 32k | cookbook | SFT、DPO、GRPO |
Qwen/Qwen3-4B-Thinking-2507 | Reasoning | Dense | Compact | 32k | 否 | SFT、GRPO |
Qwen/Qwen3-30B-A3B-Instruct-2507 | Instruction | MoE | Medium | 32k | 可选 | SFT、GRPO |
Qwen/Qwen3-235B-A22B-Instruct-2507 | Instruction | MoE | Large | 32k | 否 | SFT、GRPO |
逐模型说明
Qwen3-0.6B—— 轻量默认。quickstart、custom_reward、custom_loss、sampling_log 全跑这个。Qwen3-4B-Instruct-2507—— 四个维护中的 cookbook recipe（dapo-aime、chat-dpo、fingpt、lawbench）的基础模型。Qwen3-4B-Thinking-2507—— 4B 模型的推理 / chain-of-thought 变体。Qwen3-30B-A3B-Instruct-2507—— 中等规模 instruction following。Qwen3-235B-A22B-Instruct-2507—— 大规模 instruction tuning。Volcano A800 集群参数：inference_tp=16, train_tp=4, train_pp=1, train_ep=8。
字段说明
- Training Type ——
Hybrid同时支持 thinking 和 non-thinking 两种模式；Instruction是不带 chain-of-thought 的 chat 微调；Reasoning总是在可见输出前先生成 chain-of-thought。 - Architecture ——
Dense每个 token 激活全部参数；MoE是稀疏 mixture-of-experts。 - Size —— 指总参数量，不是激活参数量。
Tiny< 1B；Compact1B–4B；Medium30B–32B；Large70B+。 - Context —— 不使用 YaRN 扩展时的原生上下文窗口。
- 脚本默认 ——
是表示 quickstart 的默认；cookbook表示维护中的 cookbook recipe 的默认；可选表示脚本通过MINT_BASE_MODEL接受这个模型；否表示仅按需使用。
要覆盖默认模型，跑 quickstart 脚本前设置 MINT_BASE_MODEL：
export MINT_BASE_MODEL=Qwen/Qwen3-30B-A3B-Instruct-2507
python quickstart/quickstart.py具身 / VLA
| 具体型号 | 已测试算法 | 备注 |
|---|---|---|
mintx.OPENPI_FAST_MODEL（常量） | VLA 经 SDK / HTTP | 具身智能体轨道。详见 VLA。 |
企业版专属模型
下列模型需要 企业版套餐。算力按客户专属集群预留，不在社区版的共享端点上提供。HuggingFace 规范化 ID 在开通时确认。
| 模型族 | 具体型号 | 已测试算法 | 备注 |
|---|---|---|---|
| GLM | GLM-5 | SFT、RL | 智谱 GLM-5 家族。客户专属集群按需开通。 |
| GLM | GLM-5.1 | SFT、RL | GLM-5 后继版本；按客户预留算力。 |
| Kimi | Kimi-K2 | SFT、RL | Moonshot Kimi-K2。长上下文工作负载。 |
| Kimi | Kimi-K2.5 | SFT、RL | Kimi-K2 后继版本。 |
| DeepSeek | DeepSeek-V3 | SFT、RL | DeepSeek V3 基础模型。 |
需要为以上任意一个预留算力，请发邮件到 sales@mindlab.ltd 或 Schedule a Demo，注明模型与工作负载类型。
Technically Compatible
MinT 服务端接受任何符合 HuggingFace Hub 风格、且架构属于下面列出的 transformer 家族的 model 字符串。Lineup 是已显式测试的子集。理论上可工作的其它 model 家族包括：
- Qwen 系列（Qwen2.5、Qwen3 —— Instruct、Thinking、Coder 变体）
- Llama 3.x 家族
- Gemma 2.x 和 3.x
- DeepSeek 家族
仓库里目前没有这些模型在 MinT 上端到端跑通的证据。如果你需要其中一个进入 lineup 并预留算力，按下面的方式申请。
Request a Model
如果你需要的模型不在列表里：
- 发邮件到
sales@mindlab.ltd，写明模型标识和预计用法（SFT / DPO / RL、batch size、预计使用周数）。 - 或者在公共
mint-quickstart仓库开 issue：github.com/MindLab-Research/mint-quickstart/issues。
VLM（Vision-Language Model）基础模型按"服务端能力"单独追踪 —— 详见 VLM 页的当前状态。
如何知道你的 endpoint 实际服务哪些模型？ preflight 成功后会返回一个 capabilities.supported_models 列表。quickstart.py 默认会打印 Auth preflight: OK (N supported models) —— 在你自己的脚本里调 service_client.get_server_capabilities() 即可枚举。