/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
60 млн
Лицензия
Apache 2.0
Архитектура
nanogpt · dense
Библиотека
transformers
Опубликована
3 авг 2026

G1-nano-instruct

Генерация текстаТекст → текст3 профессии

Компактная англоязычная чат-модель на 60 млн параметров для генерации текста и коротких многошаговых диалогов с контекстом до 2048 токенов.

37скачиваний за 30 дней2лайкавеса обновлены13 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

G1-nano-instruct — небольшая авторегрессионная языковая модель семейства NanoGPT, разработанная AZERDSQ. Это чат-версия G1 Nano на 60 млн параметров: 14 слоёв декодерного Transformer с разделяемыми эмбеддингами и выходной языковой головой. Модель предварительно обучили, а затем дообучили на инструкциях на одном устройстве NVIDIA Jetson с 8 ГБ объединённой памяти; в репозитории доступны веса safetensors. Для работы через Transformers требуется custom code.

Модель предназначена для генерации текста и многошагового диалога в английском языке. Она поддерживает встроенный формат чата и контекст до 2048 токенов, поэтому подходит для компактных локальных экспериментов и простых диалоговых приложений с короткой историей.

Небольшой размер ограничивает фактические знания: ответы на вопросы, требующие точности и широких знаний, могут быть неверными. Модель обучалась только на английских данных; поддержка нескольких ходов диалога не гарантирует устойчивой памяти или последовательности. Пользовательская реализация не поддерживает пакетную генерацию с дополнением последовательностей. Лицензия — Apache-2.0.

Сценарии применения

  • создание простого англоязычного чат-бота
  • локальные эксперименты с небольшой языковой моделью
  • генерация коротких ответов на инструкции
  • изучение обучения и запуска GPT-моделей на маломощном устройстве

Ограничения

Из-за размера 60 млн параметров модель часто ошибается в задачах, требующих точных фактов; контекст ограничен 2048 токенами, а обучение проводилось только на английских данных. Пакетная генерация с дополнением последовательностей не поддерживается; модель не предназначена для высокозначимых решений.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

G1-nano-instruct

A 60M-parameter GPT pretrained and instruction-tuned entirely on a single 8GB-RAM NVIDIA Jetson device, without cloud infrastructure or multi-GPU setups. Chat-oriented checkpoint with a native 2048-token context and real multi-turn conversation support.

Overview

G1-nano-instruct is the instruction-tuned version of G1 Nano. Both pretraining and supervised fine-tuning were performed under an 8GB unified-memory constraint.

It is not a larger or universally better successor to G0 Nano. The model keeps roughly the same parameter count and compute budget while prioritizing a native 2048-token context and multi-turn conversation support.

Model variants

The raw pretrained version of the same model is available as G1-nano-base.

What this version adds

Compared with G1-nano-base, this checkpoint adds supervised instruction fine-tuning, a chat format and real multi-turn conversation support.

Compared with the G0 Nano design, the main differences are the native 2048-token context and the multi-turn fine-tuning recipe, while keeping a similar model size and hardware budget.

Architecture

Llama-style decoder-only Transformer:

PropertyValue
Parameters60.0M, with embeddings shared with the language-model head
Layers14
Hidden size576
AttentionGrouped-Query Attention, 9 query heads / 1 key-value head, head dimension 64
Position encodingRoPE, θ=10000
Feed-forward networkSwiGLU, hidden dimension 1664
NormalizationRMSNorm
Context length2048 tokens, used natively in pretraining and fine-tuning
Vocabulary16,388 tokens: 16,384 SentencePiece tokens plus 4 chat tokens

Training

  • Pretraining data: approximately 1.5B tokens of English web and book text
  • Sources: FineWeb-Edu, BookCorpus, OpenWebText, PG-19 and WikiHow
  • Instruction tuning: approximately 39K conversations from UltraChat, OpenAssistant/oasst1 and cleaned Alpaca
  • Conversation format: multi-turn conversations, packed without cross-conversation leakage
  • Objective: causal next-token prediction followed by supervised instruction fine-tuning
  • Training hardware: a single NVIDIA Jetson with 8GB of unified memory

Usage

Hugging Face Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "AZERDSQ/G1-nano-instruct"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)

messages = [
    {"role": "user", "content": "What is the capital of France?"},
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
inputs = tokenizer(text, return_tensors="pt")
outputs = model.generate(
    **inputs,
    max_new_tokens=50,
    do_sample=True,
    top_k=50,
    temperature=0.8,
)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

trust_remote_code=True is required because this repository uses a custom Transformer implementation.

Ollama

ollama run azerdsq/g1-nano-instruct

The chat format is built into the model. Conversation history can be carried across turns.

Benchmarks

Screenshot 2026-08-03 at 11.55.38

Limitations

  • 60M parameters impose a hard limit on factual knowledge; expect fluent but frequently incorrect answers on knowledge-intensive prompts.
  • Maximum context length is 2048 tokens, which remains short compared with modern language models.
  • English-only training data.
  • Multi-turn support does not imply long-term memory or reliable conversation consistency.
  • Single-sequence generation only; padded batched inference is not supported by the custom model code.

This model should not be used for high-stakes decisions, factual verification, medical advice, legal advice or autonomous actions.

License

Apache 2.0. This release contains model weights and the code required to load them; it does not include the training data or private training infrastructure.

Links

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
NanoGPTForCausalLM
Ревизия весов
bb64ef6

0 моделей