/ Модель

Характеристики

Контекст
1 024 токена
Параметры
8,9 млн
Лицензия
Apache 2.0
Архитектура
minibanana · dense
Опубликована
30 июн 2026

MiniBananaMind-v4-9M

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель для генерации продолжения текста с отдельной токенизацией цифр и контекстом 1 024 токена.

52скачиваний за 30 дней5лайковвеса обновлены30 июн 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

MiniBananaMind-v4-9M — компактная базовая языковая модель от BananaMind, обученная продолжением предобучения MiniBananaMind-v3-9M на Cosmopedia-v2. Это плотная причинная модель с декодером в стиле Llama и примерно 8,9 млн параметров; она предназначена для генерации продолжения текста, а не для диалогового общения по инструкциям. Контекст составляет 1 024 токена.

Модель использует собственную архитектуру и байтовый BPE-токенизатор на 8 тысяч токенов с отдельной токенизацией цифр. Обучение опирается на FineWeb-Edu и FineMath в исходной версии, а затем на Cosmopedia-v2 при дообучении. Для загрузки требуется включить доверенную загрузку пользовательского кода. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация коротких продолжений текста на английском языке
  • эксперименты с компактными причинными языковыми моделями
  • изучение влияния токенизации цифр на генерацию чисел

Ограничения

Это базовая модель без настройки для следования инструкциям, поэтому она не предназначена для использования как готовый чат-ассистент. Контекст ограничен 1 024 токенами; для загрузки требуется пользовательский код репозитория.

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

Banner

MiniBananaMind-v4-9M

MiniBananaMind-v4-9M is a small causal language model trained with continued pretraining from MiniBananaMind-v3-9M on Cosmopedia-v2.

The model has about 8.9M parameters and uses a custom 8k-token byte-level BPE tokenizer with digit-aware tokenization.

This is a base language model, not an instruction-tuned chat assistant.

Model Details

FieldValue
Parameters8,884,992
ArchitectureCustom Llama-style decoder
Layers9
Hidden size256
Intermediate size768
Attention heads8
KV heads2
Vocabulary size8,192
Context length1,024
EmbeddingsTied input/output embeddings
Weight formatsafetensors
Base checkpointMiniBananaMind-v3-9M
Continued pretraining checkpointCosmopedia-v2 step 2,613

Tokenizer

MiniBananaMind-v4-9M uses the same digit-aware 8k tokenizer as MiniBananaMind-v3-9M.

Digits are kept as separate tokens so numbers do not collapse into large number tokens during tokenization.

Digit IDs:

TokenID
19
210
311
412
513
614
715
816
917
018

Examples:

18  -> [9, 16]
227 -> [10, 10, 15]

Training Data

MiniBananaMind-v4-9M starts from MiniBananaMind-v3-9M, which was trained on FineWeb-Edu and FineMath, then continues pretraining on Cosmopedia-v2.

StageDatasetTokens
Base trainingFineWeb-Edu sample-10BT retokenized with digit tokenizer12,047,375,481
Base trainingFineMath retokenized with digit tokenizer1,500,000,000
Continued pretrainingCosmopedia-v2 retokenized with digit tokenizer3,088,259,472

Continued pretraining setup:

FieldValue
Sequence length1,024
Batch size72
Gradient accumulation16
Tokens per optimizer step1,179,648
Training steps2,613
Approx continued-pretraining tokens seen3,082,420,224
Learning rate1e-4
Minimum learning rate1e-5
Warmup steps200
Weight decay0.1
Seed1337
Compile modedefault
HardwareNVIDIA RTX 5070 Ti

Usage

This model uses custom architecture code, so load it with trust_remote_code=True.

Install dependencies:

pip install -U transformers safetensors torch

Run inference:

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "BananaMind/MiniBananaMind-v4-9M"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)

model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    torch_dtype=torch.bfloat16 if torch.cuda.is_available() and torch.cuda.is_bf16_supported() else torch.float16,
).cuda().eval()

prompt = "The color of the sky is "
input_ids = tokenizer(prompt, return_tensors="pt").input_ids.to(model.device)

with torch.no_grad():
    output = model.generate(
        input_ids=input_ids,
        max_new_tokens=64,
        do_sample=False,
        repetition_penalty=1.1,
        pad_token_id=tokenizer.eos_token_id,
        eos_token_id=tokenizer.eos_token_id,
    )

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

Suggested Generation Settings

For stable continuations:

  • do_sample=False
  • repetition_penalty=1.1
  • max_new_tokens=64 to 128

For more varied text:

  • do_sample=True
  • temperature=0.6
  • top_p=0.9
  • repetition_penalty=1.1
  • max_new_tokens=64 to 128

License

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Класс архитектуры
MiniBananaForCausalLM
Ревизия весов
013c7e8

0 моделей