/ Модель

Характеристики

Контекст
384 токена
Параметры
1,4 млн
Лицензия
Apache 2.0
Архитектура
gpts14m · dense
Библиотека
transformers
Опубликована
1 июн 2026

GPT-S-1.4M

Генерация текстаТекст → текст3 профессии

Компактная базовая англоязычная модель GPT-S на 1,4 млн параметров для генерации текста и экспериментов с малыми языковыми моделями.

239скачиваний за 30 дней8лайковвеса обновлены4 июл 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

GPT-S-1.4M — базовая авторегрессионная языковая модель семейства GPT-S от AxiomicLabs, обученная с нуля на 6 млрд токенов. Она предназначена для генерации продолжений текста и экспериментов с компактными языковыми моделями, а не для диалогового помощника: модель не проходила настройку на инструкции. По карточке, модель содержит 1,4 млн параметров и использует архитектуру T-X3 с пятью слоями, RoPE, RMSNorm, SwiGLU и механизмом Exclusive Grouped-query Attention (XGQA); метаданные указывают тип архитектуры dense и класс GPTS14MForCausalLM. Контекст ограничен 384 токенами, словарь пользовательского токенизатора — 4K.

Обучение проводилось на смешанном англоязычном корпусе из образовательных веб-текстов, синтетических учебных материалов и отобранных веб-текстов. В zero-shot оценках указаны результаты 26,89% на HellaSwag, 31,57% на ARC-Easy и 21,93% на ARC-Challenge. Из-за малого размера у модели ограничены фактические знания и способность следовать инструкциям; для практических задач, требующих надёжных ответов или длинного контекста, она не подходит. Лицензия — Apache-2.0.

Сценарии применения

  • генерация короткого продолжения англоязычного текста
  • изучение компактных авторегрессионных языковых моделей
  • эксперименты с архитектурой XGQA и малыми трансформерами

Ограничения

Это очень малая базовая модель без настройки на инструкции, с ограниченными фактическими знаниями и контекстом в 384 токена. Показатели zero-shot на приведённых бенчмарках невысоки.

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

axiomic banner

GPT-S-1.4M

GPT-S-1.4M a first-generation model in the GPT-S small-model family built on the T-X3 architecture: 1.4M parameters, 6B training tokens, a custom 4K tokenizer, 5 layers, and all new Exclusive Grouped-query Attention (XGQA), trained from scratch on a 5-source corpus.

See how it compares to similar models here: Open SLM Leaderboard

Benchmarks

All evaluations use zero-shot multiple-choice scoring. Normalized accuracy is reported where available.

BenchmarkScore
HellaSwag26.89%
ARC-Easy31.57%
ARC-Challenge21.93%
ARC Average26.75%
PIQA55.17%
ArithMark 225.16%

Architecture

ComponentDetails
Position encodingRoPE, theta=2,500
NormalizationRMSNorm
Feed-forwardSwiGLU
AttentionExclusive Grouped-query attention, 4 query heads / 2 KV heads
EmbeddingsWeight tied
Context length384 tokens

Config

vocab_size       = 4,096
hidden_size      = 128
num_layers       = 5
num_heads        = 4
num_kv_heads     = 2
head_dim         = 32
intermediate     = 341
block_size       = 384
rope_theta       = 2,500

Training

GPT-S-1.4M was trained from scratch for 6B tokens on a mixed English corpus built around educational web text, synthetic textbook-style material, and higher-quality web text.

SourceDatasetMixPurpose
FineWeb-EduHuggingFaceFW/fineweb-edu15%Primary educational web text
Cosmopedia v2HuggingFaceTB/smollm-corpus30%Synthetic textbook-style coverage
FineWeb-HQepfml/FineWeb-HQ20%Higher-quality general web text
Ultra-FineWeb QAopenbmb/Ultra-FineWeb L3 English QA slice20%Question-answer style web text
Ultra-FineWeb Multi-styleopenbmb/Ultra-FineWeb L3 English multi-style slice15%Broader writing-style coverage

Hyperparameters

HyperparameterValue
OptimizerAdamW
Adam betas0.9 / 0.95
Weight decay0.01
Peak learning rate3.5e-3
Minimum learning rate0
LR scheduleWarmup-stable-decay
Warmup steps2,000
Decay start80% of configured training run
Training tokens6B
Total batch size294,912 tokens
Microbatch256 x 384 tokens
Gradient accumulation steps3
Gradient clipping1.0
Precisionbfloat16 autocast

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "AxiomicLabs/GPT-S-1.4M"

tokenizer = AutoTokenizer.from_pretrained(model_name, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    trust_remote_code=True,
    torch_dtype=torch.bfloat16,
    device_map="auto",
)

prompt = "The future of AI is"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)

with torch.inference_mode():
    output = model.generate(
        **inputs,
        max_new_tokens=80,
        do_sample=True,
        temperature=0.8,
        top_p=0.95,
        repetition_penalty=1.1,
        no_repeat_ngram_size=4,
    )

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

Limitations

This is a very small base language model. It is not instruction tuned, has limited factual capacity, and uses a 384-token context window.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
GPTS14MForCausalLM
Ревизия весов
75c9344

0 моделей