/ Модель

Характеристики

Контекст
8 192 токена
Параметры
142 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
10 июн 2026

Kshana-170M-Base

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель Llama-типа для продолжения текста, локального запуска и последующего дообучения.

51скачиваний за 30 дней12лайковвеса обновлены10 июн 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Kshana-170M-Base — компактная базовая авторегрессионная языковая модель, разработанная Abiray. Она построена на плотной архитектуре LlamaForCausalLM с Grouped-Query Attention (GQA); в метаданных указано 141,6 млн параметров, а README сообщает 169,9 млн. Модель принимает текст и генерирует продолжение; контекст — до 8192 токенов. Заявлена поддержка английского языка.

Модель обучена с нуля на 65 млрд токенов, включая FineWeb-Edu, Cosmopedia и образовательные тексты. Её предполагается использовать как основу для последующего дообучения, для локального развертывания на устройствах с ограниченными ресурсами, генерации продолжений и простого автодополнения. Лицензия — Apache-2.0.

Это базовая, не настроенная на инструкции модель: без дообучения она продолжает текст, а не ведёт надёжный диалог. README указывает на слабые стороны в программировании, математике и ответах на фактические вопросы без контекста; для узкоспециализированного поиска фактов рекомендуется передавать справочные материалы в запросе.

Сценарии применения

  • дообучение компактного чат-бота на собственных данных
  • генерация продолжений текста на английском языке
  • автодополнение коротких текстовых фрагментов
  • локальная генерация текста на маломощном устройстве
  • быстрая маршрутизация текстовых запросов после адаптации

Ограничения

Без instruction fine-tuning модель склонна продолжать текст вместо ведения диалога. README отмечает ограничения в программировании, математике и фактических ответах без предоставленного контекста.

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

🌌 Kshana-170M Base

Kshana-170M-Base is a compact 170M-parameter foundational causal language model built by Abiray. Moving along the architectural lineage of its predecessor (Sutra), Kshana is trained from scratch using a highly optimized Llama-style architecture with Grouped-Query Attention (GQA) for blazing inference velocity.

Despite its compact size, it achieves highly competitive results on key reasoning benchmarks, making it an optimal base for downstream fine-tuning workflows or resource-constrained edge deployment.

Note: As a raw base model, it requires downstream instruction tuning to perform as a conversational chat agent.

🏆 Benchmarks

The base weights were evaluated head-to-head against sub-500M architectures using lm-evaluation-harness within an identical runtime environment. To align with open-source presentation standards, scores reflect peak performance metric selection targets (acc for science and single-token knowledge choice selections, acc_norm for length-penalized situational context completions).

Benchmark🌌 Kshana-170M (Ours)🪵 SmolLM2-135M🌾 Nandi-Mini-150M📐 Pythia-160m🔹 OPT-125m🧮 Cerebras-256M⚙️ Pythia-410m
Parameters169.9M135M150M160M125M256M410M
SciQ (Sci)81.90%84.10%89.10%55.70%78.20%75.70%80.40%
PIQA (Logic)66.81%68.34%65.13%59.19%62.62%61.10%66.70%
ARC-Easy (Know)57.07%64.39%54.67%37.58%42.76%40.99%51.98%
HellaSwag (Ctx)39.84%43.17%37.11%30.49%31.62%28.60%40.02%

🧠 Model Architecture

Kshana-170M is based on the LlamaForCausalLM architecture with a native Grouped-Query Attention (GQA) layout to compress hardware footprint:

ParameterValue
Parameters169,906,752
Hidden size576
Layers32
Attention heads9
KV heads (GQA)3
Head dimension64
Intermediate size1,536
ActivationSwiGLU (silu)
Max Context8,192 tokens
Vocabulary size49,152

⚙️ Training Configuration

ParameterValue
OptimizerAdamW
Learning rate3e-4
LR schedulerCosine Decay
Precisionbfloat16 / float16 hybrid

📚 Training Data

Trained on a volume of 65 Billion tokens. The corpus characteristics include high-quality deduplicated web extracts, structured synthetic reasoning texts, and educational literature subsets (focusing on FineWeb-Edu, Wikipedia, and Cosmopedia). Data was rigorously filtered using MinHash LSH deduplication and language filtering matrices.

🎯 Operational Scope & Intended Use

✅ Targeted Applications

  • Downstream Fine-Tuning (SFT/DPO): Acts as a clean, lightweight base for training specialized assistants, custom chat agents, or task-specific models.
  • Local & Edge Deployment: Designed with Grouped-Query Attention (GQA) for efficient quantization (via llama.cpp / GGUF), making it ideal for low-power hardware like consumer CPUs, laptops, and mobile devices.
  • Text Completion & Routing: Well-suited for low-latency text continuation, basic autocomplete features, or classification tasks like routing user queries quickly before passing them to larger models.

❌ Out-of-Scope Limits

  • Coding & Mathematics: The model's training data consists strictly of natural language text (FineWeb-Edu and Cosmopedia). Because it was never exposed to structured math datasets or code repositories during training, it cannot write code scripts, debug software, or calculate mathematical formulas.
  • Factual Knowledge Retrieval: Trained on a strict budget of 65 Billion tokens with a sub-200M parameter boundary, the model lacks the capacity to serve as an open-domain factual encyclopedia. It will hallucinate facts if asked about niche topics without being provided reference text directly in the prompt (e.g., via RAG).
  • Interactive Chat (Out of the box): As a raw base model, it will naturally attempt to autocomplete text rather than hold a conversational dialogue. It requires standard instruction fine-tuning before it can be used as a traditional chatbot.

🚀 Inference & Edge Deployment

The model can be initialized within minutes using standard workflows via the Hugging Face transformers environment. Its native GQA layout makes it highly compatible with quantization layers (via llama.cpp / GGUF) to run on consumer CPUs or embedded devices at extreme tokens-per-second.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Abiray/Kshana-170M-Base"

# Initialize matching vocabulary tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_id, token=True)

# Pull weights matching verified float16 layout
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.float16,
    device_map="auto",
    token=True
)

prompt = "The basic physical principle behind gravitational collapse is"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.no_grad():
    outputs = model.generate(
        **inputs, 
        max_new_tokens=64,
        temperature=0.6,
        top_p=0.85,
        do_sample=True,
        pad_token_id=tokenizer.eos_token_id
    )

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
e46f4b1

0 моделей