/ Модель

Характеристики

Контекст
512 токенов
Параметры
10,3 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
9 авг 2026

AhiskaAI-10M-Experimental-v0.1-Base

Генерация текстаТекст → текст3 профессии

Экспериментальная 10,3-миллионная модель Llama, обученная с нуля для генерации турецкого текста и изучения возможностей языковых микромоделей.

17скачиваний за 30 дней1лайквеса обновлены16 авг 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

AhıskaAI-10M-Experimental-v0.1-Base — экспериментальная компактная языковая модель, разработанная инициативой AhıskaAI и обученная с нуля. Она использует плотную архитектуру LlamaForCausalLM с 10,3 млн параметров, 8 слоями, словарём из 8 000 токенов и контекстом до 512 токенов; веса доступны в формате safetensors, лицензия Apache-2.0.

Модель предназначена для генерации текста на турецком языке и экспериментов с тем, какие языковые структуры и синтетические задачи может освоить модель такого малого размера. Предобучение проведено за одну эпоху на синтетическом турецком корпусе с данными общего веба, математики и рассказов.

Из-за малого размера и ограниченного контекста модель рассчитана прежде всего на исследования возможностей микромоделей, а не на сложные задачи или надёжное применение в продуктивных системах. Ожидаемое качество ограничено экспериментальным характером обучения и масштабом модели.

Сценарии применения

  • эксперименты с генерацией короткого турецкого текста
  • изучение синтаксиса турецкого языка на малой модели
  • проверка генерации рассказов на синтетических данных
  • исследование возможностей микромоделей для простых математических текстовых задач

Ограничения

Модель имеет всего 10,3 млн параметров и контекст длиной 512 токенов; обучение ограничено одной эпохой на синтетическом корпусе. Она экспериментальная, поэтому качество генерации и выполнения задач может быть низким и ненадёжным.

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

AhıskaAI-10M-Experimental-v0.1

AhıskaAI-10M-Experimental-v0.1 is an ultra-compact ~10 million parameter Small Language Model (SLM) trained from scratch. As part of the AhıskaAI experimental series, this micro-model is designed to test the absolute lower limits of Turkish language representations, syntax learning, and synthetic task understanding at minimal computational costs.

Experimental Scope & Setup

  • Objective: Evaluate how much linguistic structure and reasoning a 10M parameter micro-model can capture when trained on dense synthetic data.
  • Training Epochs: Pre-trained for 1 full epoch across a ~3.5 GB synthetic Turkish corpus.
  • Vocabulary Efficiency: Uses an optimized 8,000 token vocabulary specifically suited for micro-scale models.

Model Details

  • Architecture: LlamaForCausalLM (Micro MHA)
  • Parameters: ~10M
  • Hidden Size: 288
  • Intermediate Size: 768
  • Attention Heads: 8 (Query) / 8 (Key/Value)
  • Layers: 8
  • Context Length: 512 tokens
  • Vocabulary Size: 8,000
  • Precision: float32

Pre-training Dataset Mixture

The model was pre-trained on a synthetic Turkish corpus (~3.5 GB total):

Data SourceApprox. SizePrimary FocusLink
BILGEM AI Synthetic Web~2.0 GBGeneral Web, Knowledge & GrammarBILGEM-AI/BILGE-Synthetic-Web
BILGEM AI Synthetic Math~750 MBMathematical Reasoning & LogicBILGEM-AI/BILGE-Synthetic-Math
BILGEM AI Synthetic Stories~750 MBNarrative Flow & Text GenerationBILGEM-AI/BILGE-Synthetic-Stories

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "AhıskaAI/AhıskaAI-10M-Experimental-v0.1-Base"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.float16 if torch.cuda.is_available() else torch.float32,
    device_map="auto"
)

prompt = "Türkiye"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=50,
    temperature=0.7,
    top_p=0.9,
    do_sample=True
)

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

About AhıskaAI

AhıskaAI is an independent initiative dedicated to developing efficient, high-performance Small Language Models (SLMs) tailored for the Turkish language ecosystem.

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
4f83f76

0 моделей