/ Модель

Характеристики

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

AhiskaAI-135m-Base-v0.3

Генерация текстаТекст → текст3 профессии

Компактная базовая модель AhıskaAI для генерации текста, обученная с нуля преимущественно на турецких данных.

32скачиваний за 30 дней1лайквеса обновлены13 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-135M-Base-v0.3 — базовая малая языковая модель, разработанная независимой инициативой AhıskaAI и обученная с нуля. Она предназначена для генерации текста и служит основой для дальнейшей адаптации, в том числе для дообучения на выполнение инструкций.

Модель использует плотную архитектуру LlamaForCausalLM с Grouped-Query Attention: 14 слоёв, 12 голов запросов и 4 головы ключей и значений. В карточке указано около 135 млн параметров, а в метаданных — 145,7 млн; длина контекста составляет 512 токенов. Предобучение охватывает преимущественно турецкую Википедию и рассказы, а также код Python и англоязычные веб-тексты.

Модель компактна и рассчитана на генерацию текста с небольшими вычислительными затратами; GQA снижает расход памяти KV-кэша. Как базовая, она не настроена специально для диалога или следования инструкциям. Небольшой контекст и состав предобучающих данных ограничивают её применение; лицензия — Apache-2.0.

Сценарии применения

  • генерация текста на турецком языке
  • продолжение турецких рассказов и статей
  • эксперименты с компактными языковыми моделями
  • дообучение модели для следования инструкциям
  • генерация и продолжение фрагментов кода Python

Ограничения

Это базовая модель без настройки на диалог и следование инструкциям; контекст ограничен 512 токенами. В README указано около 135 млн параметров, тогда как метаданные сообщают 145,7 млн.

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-135M-Base-v0.3

AhıskaAI-135M-Base-v0.3 is a ~135 million parameter Small Language Model (SLM) trained completely from scratch. Building upon the learnings of the v0.2 release, v0.3 introduces architectural optimizations (such as Grouped-Query Attention), an expanded and multi-domain pre-training corpus, and enhanced training efficiency using Liger Kernel.

Key Improvements from v0.2 to v0.3

  • Architectural Evolution (GQA Support): Transitioned to Grouped-Query Attention (GQA) with 12 query heads and 4 key-value heads (num_key_value_heads: 4). This significantly reduces KV-cache memory overhead and boosts inference throughput compared to standard MHA in v0.2.
  • Diversified Pre-training Mixture: Expanded beyond single-source corpora to a multi-domain dataset totaling ~2.04 GB across Turkish Wikipedia (%53.2), Turkish Stories (%21.6), Python Code (%17.6), and English FineWeb (%7.6).
  • Training Acceleration & Efficiency: Utilized Liger Kernel integration (apply_liger_kernel_to_llama) and adamw_torch_fused optimization in bfloat16 precision, maximizing hardware utilization.
  • Hardware & Scale: Scaled pre-training across dual Kaggle NVIDIA T4 GPUs for 11 hours, overcoming consumer laptop VRAM limitations while preserving tight parameter footprints.

Model Details

  • Architecture: LlamaForCausalLM with GQA
  • Parameters: ~135M
  • Hidden Size: 768
  • Intermediate Size: 3072
  • Attention Heads: 12 (Query) / 4 (Key/Value)
  • Layers: 14
  • Context Length: 512 tokens
  • Vocabulary Size: 32,000
  • Precision: float16

Pre-training Dataset Distribution

The model was pre-trained on a balanced multi-domain dataset (~2.04 GB total):

Data SourceShare (%)SizePrimary Domain
BILGEM AI Turkish Wikipedia53.2%1.09 GBGeneral Knowledge & Turkish Grammar
BİLGEM Turkish Stories21.6%443 MBNarrative & Fluency
Python Code (The Stack)17.6%360 MBReasoning & Logic
FineWeb English7.6%150 MBCross-lingual & General Alignment

480M Tokens

Training Hardware & Setup

  • Hardware: 2x NVIDIA T4 GPUs (Kaggle)
  • Training Time: ~11 Hours
  • Optimization: SDPA (Scaled Dot-Product Attention), AdamW Fused, Liger Kernel
  • Precision: float16

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "AhiskaAI/AhiskaAI-135M-Base-v0.3"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16 if torch.cuda.is_available() and torch.cuda.is_bf16_supported() else torch.float16,
    device_map="auto"
)

prompt = "Türkiye Cumhuriyeti'nin başkenti"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

outputs = model.generate(
    **inputs,
    max_new_tokens=100,
    temperature=0.7,
    top_p=0.9,
    do_sample=True
)

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

Related Models

  • Instruct Version: AhiskaAI/AhiskaAI-135M-IT-v0.3 (SFT ChatML model fine-tuned for instruction following)

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
bb8d06b

0 моделей