/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1 млрд
Размер весов
4,4 ГБ
Архитектура
llama · dense
Библиотека
transformers
Опубликована
12 сен 2026

L20-1B-20B-Base

Генерация текстаТекст → текст3 профессии

Базовая англоязычная модель Llama с 1,1 млрд параметров для продолжения текста и дальнейшего дообучения.

222скачиваний за 30 дней1лайквеса обновлены12 сен 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

L20-1B-20B-Base — базовая англоязычная причинная языковая модель, разработанная AliceYin и обученная с нуля без использования сторонних предварительно обученных чекпойнтов. Модель построена на архитектуре LlamaForCausalLM с 1,10 млрд параметров; токенизатор также обучен с нуля. Обучение завершено на 20 млрд предсказательных токенов, контекст составляет 2 048 токенов. Весовые файлы safetensors сохранены в FP32.

Модель предназначена для продолжения текста и генерации ответов по заданному текстовому контексту. Это базовая completion-модель без дообучения для следования инструкциям, диалога, предпочтений или безопасности; её можно использовать для экспериментов с языковыми моделями, генерации английского текста и дальнейшего дообучения под конкретные задачи. В опубликованной оценке на семи тестах средний результат составил 51,26%; модель показала сопоставимые результаты с некоторыми версиями TinyLlama, но уступила TinyLlama 2.5T.

Модель ориентирована на английский язык и обучалась преимущественно на образовательных веб-текстах, математических материалах и лицензированном учебном коде. Она может галлюцинировать, повторять текст и выдавать предвзятый или вредоносный контент; результаты по многошаговой математике слабы, а контекст ограничивает длинные запросы. Условия лицензии в предоставленных материалах не описаны.

Сценарии применения

  • продолжение англоязычного текста
  • генерация черновиков и фрагментов на английском
  • эксперименты с базовыми языковыми моделями
  • дообучение модели под прикладную задачу
  • оценка генерации текста на стандартных тестах

Ограничения

Модель не настроена для инструкций, диалога или безопасности и может галлюцинировать, повторять текст либо выдавать предвзятый или вредоносный контент; она слаба в многошаговой математике. Контекст ограничен 2 048 токенами; условия лицензии в предоставленных данных не указаны.

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

L20-1B-20B-Base

L20-1B-20B-Base is a 1.10B-parameter English causal language model pretrained from random initialization on 20.0B prediction tokens using one NVIDIA L20. The tokenizer was also trained from scratch. This is a base completion model, not an instruction/chat model, and no third-party pretrained checkpoint was used to initialize it.

Quick start

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "AliceYin/L20-1B-20B-Base"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

prompt = "Machine learning is"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
with torch.no_grad():
    output = model.generate(
        **inputs,
        max_new_tokens=80,
        do_sample=True,
        temperature=0.8,
        top_p=0.95,
    )
print(tokenizer.decode(output[0], skip_special_tokens=True))

The uploaded safetensors preserve the final checkpoint exactly in FP32. Loading with BF16, as above, substantially reduces inference memory use.

Architecture

FieldValue
Parameters1,100,048,384
ArchitectureLlamaForCausalLM
Layers22
Hidden size2,048
Attention heads / KV heads32 / 4
MLP intermediate size5,632
Context length2,048
Vocabulary32,000 byte-level BPE
Positional encodingRoPE, theta 10,000
Weight tyingNo

Training

The run completed 19,148 optimizer steps and 19,999,703,040 prediction tokens. It used BF16 mixed precision, compiled PyTorch SDPA, fused AdamW, sequence length 2,048, micro-batch 6, gradient accumulation 85, and an effective global batch of 510 sequences. The learning rate used 1,000 warmup steps followed by cosine decay from 4e-4 to 4e-5.

The English training mixture was:

  • 42.5% FineWeb-Edu-Dedup, score 4+
  • 42.5% DCLM-Baseline
  • 3% FineMath-4+
  • 12% permissively licensed Stack-Edu code in Python, JavaScript, TypeScript, C++, and Java at the release-validated educational thresholds

Accepted documents passed English/content filters, normalized-text SHA-256 exact deduplication, and a 13-word benchmark decontamination check. DCLM email addresses and syntactically valid IPv4 addresses were deterministically anonymized. The original decontamination list did not explicitly include BoolQ; results therefore include a six-task sensitivity analysis excluding BoolQ.

Hardware, throughput, and MFU

Training used exactly one NVIDIA L20 with 46,068 MiB VRAM. The software snapshot recorded NVIDIA driver 580.159.04, CUDA 13.0, PyTorch 2.12.1+cu130, Transformers 4.56.2, and lm-eval 0.4.9.

A representative live snapshot at step 10,595 recorded:

MetricValue
Throughput12,845 tokens/s
Model FLOP/s93.948 TFLOP/s
Standard MFU71.17%
GPU utilization100%
VRAM use45,265 / 46,068 MiB
Power348.3 W

MFU is calculated as model_FLOP/s / 132e12, using exactly 132 TFLOP/s as the BF16 peak denominator. This is point-in-time training telemetry, not a full-run average. A separate 60-step preflight at the selected micro-batch measured 12,586 tokens/s and 36.13 GiB peak allocated memory; micro-batch 8 was rejected after an out-of-memory failure.

Evaluation

Final held-out validation loss was 2.4247 (perplexity 11.2990). External evaluation used lm-eval 0.4.9, BF16, maximum context 2,048, and fixed seeds.

TaskShotsMetricScore
ARC-Challenge0acc_norm33.62%
ARC-Easy0acc_norm64.14%
HellaSwag0acc_norm45.13%
OpenBookQA0acc_norm35.00%
PIQA0acc_norm69.59%
WinoGrande0acc52.17%
BoolQ0acc59.17%
LAMBADA OpenAI0acc46.26%
TruthfulQA MC20acc36.91%
MMLU5acc25.31%
GSM8K5flexible exact match1.67%

The primary seven-task macro over HellaSwag, PIQA, WinoGrande, OpenBookQA, ARC-Easy, ARC-Challenge, and BoolQ is 51.2601%. Excluding BoolQ gives 49.9411%.

Under the same frozen seven-task protocol, this checkpoint:

  • beats TinyLlama 1T by +1.0182 percentage points, paired task-stratified bootstrap 95% CI [+0.1584, +1.8860];
  • ties TinyLlama 1.5T: +0.0910 pp, 95% CI [-0.7771, +0.9745];
  • ties TinyLlama 2T: -0.3019 pp, 95% CI [-1.1978, +0.5871];
  • loses to TinyLlama 2.5T: -2.6317 pp, 95% CI [-3.4891, -1.8006].

The intervals cover benchmark-item sampling uncertainty only. They do not cover training-seed variance and are not adjusted for multiple comparisons. The full 36-checkpoint study contains both wins and losses; it is a frozen candidate set, not a global census or a claim of universal token-efficiency leadership.

Machine-readable final benchmark metrics, the complete 36-checkpoint comparison, and GPU telemetry are included in this release.

Compute-efficiency frontier

Limitations

  • This base model is not instruction tuned, preference tuned, or safety tuned.
  • It may hallucinate, repeat text, produce biased or harmful content, and should not be used as a factual authority or autonomous decision maker.
  • It is English-focused, has a 2,048-token context window, and is weak on multi-step mathematics in the reported evaluation.
  • MMLU 5-shot required left truncation for some examples at the 2,048-token context limit, so that score should be interpreted with care.
  • Exact deduplication and benchmark matching cannot prove the absence of all semantic near-duplicates, paraphrases, personal information, or contamination.
  • Dataset quality filters improve the input distribution but do not guarantee correctness of every training document or model output.

Reproducibility and release integrity

The release contains three sharded safetensors files. Conversion verified exact equality for all 201 tensors against the final Transformers checkpoint. The release manifest records file hashes, source checkpoint hash, parameter count, and storage dtype. Training code, compact receipts, derived metrics, confidence intervals, and plotting scripts are maintained in the accompanying private GitHub evidence repository.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
7fc9ab0

0 моделей