/ Модель

Характеристики

Контекст
512 токенов
Параметры
5,2 млн
Лицензия
Apache 2.0
Архитектура
gpts2 · dense
Библиотека
transformers
Опубликована
17 мая 2026

GPT-S-5M

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель Axiomic Labs для генерации текста и экспериментов с малыми трансформерами.

250скачиваний за 30 дней18лайковвеса обновлены12 окт 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-5M — компактная базовая языковая модель первого поколения семейства GPT-S от Axiomic Labs. Она содержит 5,2 млн параметров и обучена с нуля на 25 млрд токенов из образовательных веб-текстов, синтетических учебных материалов и отобранных веб-текстов. Модель построена на плотной архитектуре GPTX3ForCausalLM с 9 слоями, RoPE, RMSNorm, SwiGLU и группированным вниманием; использует токенизатор на 4 096 токенов и контекст до 512 токенов.

Модель предназначена для генерации текста и экспериментов с малыми языковыми моделями. В карточке приведены результаты нулевого обучения на нескольких бенчмарках рассуждений, понимания текста и грамматических закономерностей; заявлено преимущество над некоторыми более крупными моделями в выбранном наборе тестов.

Это небольшая базовая модель, а не ассистент: она не дообучена на инструкции, имеет ограниченные фактические знания и короткое контекстное окно. Распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация коротких продолжений текста
  • изучение и сравнение компактных языковых моделей
  • эксперименты с архитектурой GPTX3 и малыми трансформерами
  • оценка базовых навыков языковой модели на бенчмарках

Ограничения

Модель не дообучена на инструкции, обладает ограниченными фактическими знаниями и поддерживает контекст до 512 токенов.

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-5M

GPT-S-5M is a first-generation model in the GPT-S small-model family: 5M parameters, 25B training tokens, a custom 4K tokenizer, 9 layers, and our all new T-X3 architecture, trained from scratch on a 3-source corpus.

At 5M parameters, GPT-S-5M achieves best-in-class performance among the small open models evaluated in this benchmark set, outperforming models 6x larger.

Benchmarks

All models evaluated in bf16 with an internal harness modeled on EleutherAI/lm-eval-harness. Scores are zero-shot; normalized accuracy is used where available.

CompanyModelHellaswagARC (easy)PIQAArithmarkBLiMPAverage
Axiomic LabsGPT-S-5M27.39%33.16%57.13%31.5%72.21%44.28%
EleutherAIpythia-31m27.14%33.88%56.26%29.44%67.78%42.90%
EleutherAIpythia-14m26.20%32.28%55.88%28.06%66.75%41.83%
LH-Tech-AISpark-5M-Base-v427.03%33.21%53.43%32.70%62.17%41.71%
SupraLabsSupra-Mini-v5-8M26.38%33.33%54.03%27.30%63.83%40.97%
SupraLabsSupra-Mini-v4-2M25.52%30.98%51.90%29.72%60.57%39.74%

Architecture

ComponentDetails
Position encodingRoPE, theta=2,500
NormalizationRMSNorm
Feed-forwardSwiGLU
AttentionExclusive Grouped-query attention (XGQA), 6 query heads / 2 KV heads
EmbeddingsWeight tied
Context length512 tokens
Parameters5,158,464

Config

vocab_size       = 4,096
hidden_size      = 192
num_layers       = 9
num_heads        = 6
num_kv_heads     = 2
head_dim         = 32
intermediate     = 672
block_size       = 512
rope_theta       = 2,500

Training

GPT-S-5M was trained for 25B tokens with a mixture built around educational web text, synthetic textbook-style material, and higher-quality web text.

SourceDatasetMixPurpose
FineWeb-EduHuggingFaceFW/fineweb-edu55%Primary educational web text
Cosmopedia v2HuggingFaceTB/smollm-corpus30%Synthetic textbook-style coverage
FineWeb-HQepfml/FineWeb-HQ15%Higher-quality general web text

Hyperparameters

HyperparameterValue
OptimizerAdamW
Adam betas0.9 / 0.95
Weight decay0.01
Peak learning rate2.5e-3
Minimum learning rate0
LR scheduleWarmup-stable-decay
Warmup steps1,500
Decay start70% of training
Training tokens25B
Total batch size262,144 tokens
Microbatch128 x 512 tokens
Gradient accumulation steps4
Gradient clipping1.0
Precisionbfloat16 autocast

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_name = "AxiomicLabs/GPT-S-5M"

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=120,
        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 small base language model. It is not instruction tuned, has limited factual capacity, and uses a 512 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
GPTX3ForCausalLM
Ревизия весов
3d7c6fb

0 моделей