AI-Hypercomputer/maxtext

Ver en GitHub

A simple, performant, and scalable Jax LLM!

Estrellas: 2.4k
Forks: 607
Issues abiertos para principiantes: 0
Issues indexados: 67
Merge medio: 2 d 19 h
PR fusionados (30 d): 158

Lenguaje dominante: Python
Licencia: Apache-2.0
Último push a GitHub: 12/9/2026
Última indexación: 13/9/2026
Guía de contribución: Guía de contribución
Código de conducta: Sin código de conducta
Etiquetas para principiantes: good first issue

Abierto Todos

67 issues abiertos indexados

`attend_dtype` not used Abierto

bug

AI-Hypercomputer/maxtext#531 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Create a user friendly inference demo Abierto

inference

AI-Hypercomputer/maxtext#532 · 0 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Supported features Abierto

feature request

AI-Hypercomputer/maxtext#571 · 21 comentarios · 2 reacciones · 2 asignados · Indexado el 13/9/2026
Support beam search Abierto

feature request inference

AI-Hypercomputer/maxtext#594 · 0 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Support LoRA training Abierto

feature request

AI-Hypercomputer/maxtext#609 · 5 comentarios · 3 reacciones · 1 asignado · Indexado el 13/9/2026
DEFAULT_MASK_VALUE causes gradient explosion and nan loss on deep models Abierto

bug

AI-Hypercomputer/maxtext#614 · 2 comentarios · 2 reacciones · 1 asignado · Indexado el 13/9/2026
Multihost training collapses from time to time when loading the next batch Abierto

bug

AI-Hypercomputer/maxtext#786 · 3 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Support nsys profiler upload in all cases Abierto

bug good first issue

AI-Hypercomputer/maxtext#911 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
PGLE doesn't work for Tensor Parallelism Abierto

AI-Hypercomputer/maxtext#1005 · 3 comentarios · 0 reacciones · 2 asignados · Indexado el 13/9/2026
Why logit checker has such a high tolerance? Abierto

AI-Hypercomputer/maxtext#1021 · 0 comentarios · 4 reacciones · 1 asignado · Indexado el 13/9/2026
llama GPU model with dcn fsdp + ici tp + cudnn flash attention broken Abierto

AI-Hypercomputer/maxtext#1093 · 2 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Apparent bug in the megablocks implementation Abierto

AI-Hypercomputer/maxtext#1183 · 14 comentarios · 2 reacciones · 1 asignado · Indexado el 13/9/2026
docker build issue Abierto

AI-Hypercomputer/maxtext#1212 · 0 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
MFU drops significantly when using megablox with more experts Abierto

AI-Hypercomputer/maxtext#1256 · 8 comentarios · 1 reacción · 1 asignado · Indexado el 13/9/2026
dependency error because of orbax-checkpoint version Abierto

AI-Hypercomputer/maxtext#1273 · 2 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
a little error Abierto

AI-Hypercomputer/maxtext#1321 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
The default setting of `param_scan_axis=1` hurts performance and memory consumption on GPUs Abierto

AI-Hypercomputer/maxtext#1382 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
When using dcn-DP and dcn-FSDP together got error when saving checkpoint. Abierto

AI-Hypercomputer/maxtext#1434 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Please create direct conversion scripts from huggingface for Gemma3 models Abierto

AI-Hypercomputer/maxtext#1528 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Make maxtext_xpk_runner support other trainers Abierto

feature request

AI-Hypercomputer/maxtext#1552 · 0 comentarios · 0 reacciones · 2 asignados · Indexado el 13/9/2026
Fix "~/xpk" references Abierto

bug

AI-Hypercomputer/maxtext#1561 · 7 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Package hierarchy: should benchmarks, end_to_end, pedagogical_examples be under MaxText? Abierto

AI-Hypercomputer/maxtext#1635 · 3 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
MaxText/prefix_cache.py vs jetstream/core/prefix_cache.py Abierto

AI-Hypercomputer/maxtext#1643 · 0 comentarios · 0 reacciones · 2 asignados · Indexado el 13/9/2026
execute bash setup.sh take too long due to dependency version not locked. Abierto

AI-Hypercomputer/maxtext#1744 · 2 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
BUG (w FIX): Llama3 conversion to HF does not work Abierto

AI-Hypercomputer/maxtext#1774 · 3 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
GCS upload errors should not be silent Abierto

AI-Hypercomputer/maxtext#1817 · 2 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
[OOM] Huge memory usage in MoE Abierto

AI-Hypercomputer/maxtext#1828 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
[REQUEST] Qwen3 support Abierto

AI-Hypercomputer/maxtext#1831 · 1 comentario · 1 reacción · 1 asignado · Indexado el 13/9/2026
Regression: HF JSONL training halts early with Abierto

bug

AI-Hypercomputer/maxtext#2147 · 4 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Conversion to unscanned format failed Abierto

bug

AI-Hypercomputer/maxtext#2176 · 2 comentarios · 0 reacciones · 2 asignados · Indexado el 13/9/2026
Gemma3 Model Token Logits Mismatch with Different max_prefill_predict_length Abierto

bug

AI-Hypercomputer/maxtext#2179 · 2 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Run pretraining of llama 7b/8b models on GPUs using a3/1vm.sh Abierto

bug

AI-Hypercomputer/maxtext#2193 · 4 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
QAT SFT Training Fails with Qwen3 MOE Abierto

bug

AI-Hypercomputer/maxtext#2305 · 0 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
[feature request] Support of GLM4.5V and Deepseek V3.1 Abierto

feature request

AI-Hypercomputer/maxtext#2330 · 3 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Memory Leak when initialising Qwen model training with multihost runner Abierto

bug

AI-Hypercomputer/maxtext#2374 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
wandb logging support Abierto

feature request

AI-Hypercomputer/maxtext#2434 · 5 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
gemma2-9b regressed by introduction of OSS-GPT Abierto

bug

AI-Hypercomputer/maxtext#2542 · 4 comentarios · 0 reacciones · 2 asignados · Indexado el 13/9/2026
Model conversion on pathways cluster not working Abierto

bug

AI-Hypercomputer/maxtext#2578 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Documentation: base.yml comments don't match actual quantization option names in code Abierto

AI-Hypercomputer/maxtext#2593 · 0 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Dependency conflicts between tpu-commons, tokamax, and google-tunix Abierto

bug

AI-Hypercomputer/maxtext#2664 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Robustness against network errors Abierto

feature request

AI-Hypercomputer/maxtext#2861 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Gemma3 to hf mapping error Abierto

bug

AI-Hypercomputer/maxtext#2867 · 5 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Grain pool is exiting Abierto

bug

AI-Hypercomputer/maxtext#2878 · 3 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
SFT Model Convert to HuggingFace Error Abierto

bug

AI-Hypercomputer/maxtext#3003 · 2 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Qwen3 MoE Conversion / Pre-Training Error Abierto

bug

AI-Hypercomputer/maxtext#3231 · 2 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
[Bug] Tunix GRPO VllmRollout.get_per_token_logps API mismatch and JAX concatenate type error Abierto

bug

AI-Hypercomputer/maxtext#3363 · 3 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Issue with gradient accumulation and expansion_factor_real_data>1 Abierto

bug

AI-Hypercomputer/maxtext#3381 · 0 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Conversion scripts fail on standard TPU VMs for large models Abierto

bug

AI-Hypercomputer/maxtext#3418 · 3 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
[Bug] Qwix Quantization Qwen3-14B: jax._src.dtypes.InvalidInputException Abierto

bug

AI-Hypercomputer/maxtext#3520 · 2 comentarios · 0 reacciones · 1 asignado · Indexado el 13/9/2026
Refactor: Decouple GMM kernel backend dispatch from quantization logic in MoE sparse_matmul Abierto

feature request

AI-Hypercomputer/maxtext#3646 · 1 comentario · 0 reacciones · 1 asignado · Indexado el 13/9/2026

AI-Hypercomputer/maxtext

Recibe los nuevos issues en tu correo