/ Модель

Характеристики

Параметры
283 млн
Лицензия
Apache 2.0
Архитектура
microme · dense
Опубликована
20 авг 2026

microme-220m

Генерация текстаТекст → текст3 профессии

Компактная базовая GPT-модель, обученная с нуля для продолжения английского текста и экспериментов с генерацией.

35скачиваний за 30 дней0лайковвеса обновлены20 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-220M — плотная авторегрессионная GPT-модель Ankitgdes, обученная с нуля как базовая модель продолжения текста. В README указано 217 млн параметров, а метаданные репозитория приводят 283,1 млн; архитектура включает 28 слоёв, 12 голов внимания, размер скрытого состояния 768 и связанные входные и выходные эмбеддинги. Модель обучена на 2 млрд токенов FineWeb-Edu с оптимизатором Muon; веса доступны в формате safetensors, bf16.

Модель предназначена для генерации и продолжения английского текста, а также для экспериментов с небольшими языковыми моделями и дальнейшего дообучения. Контекст составляет 1024 токена. Это базовая модель без чатовой настройки; README отмечает слабые результаты на LAMBADA и предупреждает, что модель сама по себе ненадёжна как источник фактов. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение английского текста
  • генерация коротких текстовых фрагментов
  • эксперименты с компактными GPT-моделями
  • дообучение языковой модели на собственном корпусе
  • сравнение качества небольших языковых моделей

Ограничения

Это базовая модель без чатовой настройки; README отмечает слабое качество на LAMBADA и предупреждает, что модель ненадёжна как самостоятельное хранилище фактов. Контекст ограничен 1024 токенами.

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-220M

A 217M-parameter deep-thin GPT trained from scratch on a single RTX 4060 laptop (8 GB), the scaled-up capstone of the MicroMe project. It applies the recipe that a controlled 3-seed ablation picked out at small scale: tied input/output embeddings (a parameter-efficiency win at this vocab-to-size ratio) and the Muon optimizer, with gradient checkpointing to fit 217M on 8 GB.

Trained on 2B FineWeb-Edu tokens in ~38 hours. It reaches a lower validation loss (2.896) than the 125M base (2.969) on one-third less data, and improves on it across all four benchmarks.

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

217M125MGPT-2 (124M)Pythia-160m
ARC-Easy53.652.2~43.5~44
HellaSwag (norm)33.031.9~31.1~30.5
PIQA62.562.2~62.9~62
LAMBADA26.325.5~32.6~33

Beats GPT-2-124M / Pythia-160m on ARC-Easy and HellaSwag, on far less training data. LAMBADA stays the weak spot (small 24k custom vocab, short training run). This is a base model, not chat-tuned; it is not a reliable knowledge store on its own (pair with retrieval for facts).

Architecture

28 layers, d=768, 12 heads, ctx 1024, vocab 24,576. RMSNorm, RoPE, QK-norm, ReLU2 MLP, tied embeddings, logit softcap. Details and training code: github.com/ankit-rawani/microme.

Files

FileUse
model.safetensorsbf16 weights (load with the bundled model.py, PRESETS["mini_220m"])
training_state.ptfull checkpoint (weights + Muon/AdamW state + iter) to resume pretraining

Load

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

d = hf_hub_download("Ankitgdes/microme-220m", "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["mini_220m"]).eval()
model.load_state_dict(load_file(hf_hub_download("Ankitgdes/microme-220m", "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
7c2660a

0 моделей