/ Модель

Характеристики

Параметры
147 млн
Лицензия
Apache 2.0
Архитектура
microme · dense
Опубликована
16 авг 2026

microme-125m-base

Генерация текстаТекст → текст3 профессии

Базовая языковая модель на 146,8 млн параметров для генерации и продолжения текста, обученная с нуля на данных FineWeb-Edu.

32скачиваний за 30 дней0лайковвеса обновлены16 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

MicroMe-125M-Base — базовая предобученная языковая модель Ankitgdes с 146,8 млн параметров, созданная с нуля. Она обучалась примерно на 3 млрд токенов FineWeb-Edu около 40 часов на одной видеокарте RTX 4060 с 8 ГБ памяти; для оптимизации использовался Muon. Модель выдаёт продолжение текста по принципу предсказания следующего токена и не настроена для диалогов.

Модель предназначена для экспериментов с генерацией текста и продолжением предобучения. В карточке приведены результаты оценки без примеров на ARC-Easy, HellaSwag, PIQA и LAMBADA. Для чат-ассистента с RAG автор указывает отдельную модель MicroMe-125M. Веса доступны в формате safetensors, bf16; лицензия — Apache-2.0.

Сценарии применения

  • продолжение текста по заданному фрагменту
  • эксперименты с компактной языковой моделью
  • продолжение предобучения с имеющегося чекпойнта

Ограничения

Это базовая модель без настройки для диалогов, поэтому она не предназначена как готовый чат-ассистент. В карточке приведены только результаты нескольких тестов с нулевым числом примеров; другие возможности не подтверждены.

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

MicroMe-125M-Base

The pretrained base language model behind MicroMe-125M — 125M parameters, 3B FineWeb-Edu tokens, trained from scratch on a single RTX 4060 laptop (8 GB) in ~40 hours with hand-written PyTorch and the Muon optimizer.

This is the raw language model (not chat-tuned). For the chat + RAG assistant, use Ankitgdes/microme-125m. Full project + training code: github.com/ankit-rawani/microme.

Benchmarks (0-shot, lm-evaluation-harness)

ARC-EasyHellaSwagPIQALAMBADA
52.231.962.225.5

Competitive with GPT-2-124M / Pythia-160m on ~10–100× less training data — ARC-Easy notably strong from FineWeb-Edu's educational text.

Files

FileUse
model.safetensorsbf16 weights — load with the bundled model.py, config PRESETS["micro_125m"]
base_training_state.ptfull checkpoint (weights + Muon/AdamW state + iter) — resume pretraining
sft_training_state.ptthe SmolTalk chat-SFT checkpoint (intermediate, resumable)

Load (base model, next-token generation)

import torch, importlib.util
from huggingface_hub import hf_hub_download
from safetensors.torch import load_file

d = hf_hub_download("Ankitgdes/microme-125m-base", "model.py").rsplit("/", 1)[0]
spec = importlib.util.spec_from_file_location("mm", f"{d}/model.py")
mm = importlib.util.module_from_spec(spec); spec.loader.exec_module(mm)
model = mm.GPT(mm.PRESETS["micro_125m"]).eval()
model.load_state_dict(load_file(hf_hub_download("Ankitgdes/microme-125m-base", "model.safetensors")))

License

Apache-2.0. Trained on FineWeb-Edu (ODC-By).

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура microme неизвестна transformers в образе рантайма.

Ревизия весов
0471d0c

0 моделей