Marin是一个集研究计划、软件平台与社区于一体的开源项目，致力于基础模型的研发。该项目由斯坦福CRFM与Open Athena团队核心参与，其核心价值在于开放开发，完整记录从原始数据到最终模型的每一步过程，包括失败的实验记录。

Marin当前的重点是从零开始预训练一个大规模混合专家模型，该模型拥有超过5000亿总参数，计算量达5e24 FLOPs，旨在服务科学家和研究者的关键任务。此外，Marin还被用于构建音频文本、DNA及蛋白质模型，体现了其作为通用库的扩展性。

项目包含一个名为Delphi的开放扩展套件，灵感源自Pythia，其扩展了从3e18到1e23 FLOPs的LLM配方。Delphi由三部分组成：将计算预算映射到模型配置的扩展配方、基于该配方在Google TPU研究云上训练的扩展套件，以及利用较小Delphi模型预测较大模型的扩展定律。

在已有成果方面，Marin此前训练的80亿参数模型在基础模型基准测试套件上超越了Llama 3.1 8B，相关训练脚本和回顾文档均已公开。项目还提供了详细的文档和示例脚本，用户可通过类似Makefile的拓扑顺序执行依赖步骤，快速上手训练小型模型。

Marin在GitHub上已获得3000星标和244次分叉，拥有超过10200次提交。项目鼓励通过将Marin作为库使用来扩展其应用场景，并提供了加载式代理技能指南，以支持社区贡献和持续开发。