/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
7,9 млн
Лицензия
Apache 2.0
Архитектура
bananaall · dense
Библиотека
transformers
Опубликована
28 сен 2026

TernaryBananaMind-10M

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель BananaMind для генерации и продолжения текста с контекстом 4096 токенов и тернарно упакованными весами.

429скачиваний за 30 дней3лайкавеса обновлены28 сен 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

TernaryBananaMind-10M — компактная базовая авторегрессионная языковая модель от BananaMind с архитектурой decoder-only Transformer семейства BananaMind 2. В чекпойнте 8,428,032 логических параметра; проекции и выходные веса хранятся в упакованном тернарном виде, а входные эмбеддинги — в знаковом 8-битном формате. Размер файла весов составляет около 2,07 бита на логический параметр с учётом служебных данных, но это показатель хранения, а не точности вычислений или пикового объёма памяти при инференсе.

Модель обучена на 2 млрд токенов FineWeb-Edu и предназначена для генерации и продолжения текста. Контекстное окно составляет 4096 токенов; используется собственный байтовый BPE-токенизатор на 2048 токенов, который выделяет цифры при предварительной токенизации. В карточке приведены результаты тестов на языковом дополнении, здравом смысле и арифметике; они указывают на ограниченные возможности по сравнению с более крупными моделями.

Для загрузки нужны Transformers и пользовательский код архитектуры, поэтому следует включить trust_remote_code=True. Модель распространяется по лицензии Apache-2.0. Результаты оценки зависят от версии тестового набора и параметров запуска; обучающие веса хранятся в упакованном виде и декодируются во временные тензоры при умножении матриц.

Сценарии применения

  • генерация коротких текстовых продолжений
  • эксперименты с компактными языковыми моделями
  • оценка базовой генерации текста на небольших вычислительных ресурсах

Ограничения

Небольшой размер модели ограничивает качество генерации и знания; опубликованные тесты показывают умеренные результаты. Для загрузки требуется пользовательский код архитектуры, а показатель 2,07 бита на параметр описывает хранение весов, но не вычислительную точность или пиковую память.

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

TernaryBananaMind-10M

TernaryBananaMind-10M is a compact decoder-only base language model from BananaMind. Its inference checkpoint stores projection and output weights as packed ternary values and input embeddings as signed 8-bit values. The intended model ID is BananaMind/TernaryBananaMind-10M.

The model has 8,428,032 logical weights, a 4,096-token context window, and a custom 2,048-token digit-aware byte-level BPE tokenizer. Its model.safetensors file is 2,175,676 bytes (about 2.07 bits per logical weight, including scales, float normalization weights, and file overhead). The model name is a size class; the exact logical weight count is 8.43M.

Model Details

FieldValue
ArchitectureBananaMind 2 style decoder-only Transformer
Logical weights8,428,032
Layers10
Hidden size256
Intermediate size704
Attention heads4
KV heads2
Head dimension64
AttentionGrouped-query attention with QK norm
MLPSwiGLU
Position embeddingsRoPE, theta 100,000
NormalizationRMSNorm, epsilon 1e-6
Vocabulary size2,048
Context length4,096
Input embeddingsSeparate from output head; signed 8-bit with one scale per row
Projection and output weightsTernary (-1, 0, +1), five values per byte
Activations in linear layersQuantized to 8 bits during inference
Checkpointmodel.safetensors, 2,175,676 bytes
HF architectureBananaAllForCausalLM
HF model typebananaall

We have trained TernaryBananaMind-10M on our BananaAll training framework. See it at https://github.com/BananaMind/BananaAll/ to train your own model simply.

The packed weights are decoded to temporary tensors for matrix multiplication. 2.07 bits per weight describes checkpoint storage, not arithmetic precision or peak inference memory. Packed weights are registered as buffers, so sum(p.numel() for p in model.parameters()) reports only the 6,656 trainable normalization parameters. Use the logical weight count above for model-size comparisons.

Tokenizer

The custom 2k byte-level BPE tokenizer isolates digits during pre-tokenization.

Special tokenID
<|pad|>0
<|bos|>1
<|eos|>2
<|unk|>3

Training

The model was trained on 2 billion tokens of FineWeb-Edu with the BananaAll training framework. It was trained on a RTX Pro 6000 by Molab and the script was exported as a notebook. The included training_args.bin records the settings below. Its maximum-step value is a configured limit, not a separately verified final step count.

SettingRecorded value
Maximum optimizer steps61,036
Per-device micro batch8 sequences
Gradient accumulation2
OptimizerPyTorch fused AdamW
Betas0.9, 0.999
Peak learning rate0.0018
Learning-rate scheduleCosine
Warmup steps1,831
Weight decay0.01
Gradient clipping1.0
BF16 trainingEnabled
PyTorch compileEnabled
Seed37

Training took 2 hours.

Evaluation

The lm_eval and BananaMind Base Bench 1.1 scores below were supplied for the current packed checkpoint. Harness version, dtype, and runtime settings can affect results.

These scores have been evaluated via our BananaAll framework.

Standard benchmarks (lm_eval)

BenchmarkAccAcc normSamples
PIQA54.46%53.54%1,838
ARC Easy30.98%31.57%2,376
ARC Challenge18.09%21.08%1,172
HellaSwag26.94%27.76%10,042
Four-task mean—33.49%—

BananaMind Base Bench 1.1

The reported official complete run scored 37.14% accuracy (130/350), 35.95% weighted accuracy, and 904 overall Elo.

CategoryEloAccuracyWeighted accuracy
Language completion96358.00%58.28%
Commonsense82832.00%33.12%
World knowledge86936.00%38.24%
Context tracking83232.00%28.34%
Quantitative78520.00%18.30%
Logical reasoning1,04346.00%42.32%
Code completion1,00036.00%37.26%

ArithMark 3.0

The official benchmark script was run against this local packed checkpoint on all 1,000 examples with its default batch size and context limit, using CUDA and BF16. The model loaded without missing or unexpected checkpoint keys.

MetricScore
Raw continuation accuracy31.10% (311/1,000)
Length-normalized accuracy31.20% (312/1,000)

Dataset SHA-256: bf8ab1a5193d52cdf0e05ff0b3ca226bdfcf416cb6e75562dcbe72e7e4559435.

Intelligence Index

The Intelligence Index is 4.90. Each component is adjusted for its chance floor with N(score, chance) = 100 × (score - chance) / (100 - chance). The calculation uses the length-normalized scores above. Combined ARC is the mean of ARC Easy and ARC Challenge before chance adjustment.

ComponentScore usedChance floorAdjusted scoreWeight
HellaSwag27.76%25%3.681.00
Combined ARC26.325%25%1.771.00
PIQA53.54%50%7.081.00
ArithMark 3.031.20%25%8.270.65

(3.68 + 1.7667 + 7.08 + 0.65 × 8.2667) / 3.65 = 4.9041, rounded to 4.90.

Comparison with BananaMind-2-Nano

PropertyTernaryBananaMind-10MBananaMind-2-Nano
Logical weights8,428,0329,968,128
Vocabulary size2,0488,192
Intermediate size704768
Input/output embeddingsSeparate; input is 8-bitTied
Training tokens seen2B FineWeb-Edu30B across four datasets
Shared lm_eval benchmarkTernaryBananaMind-10M acc normBananaMind-2-Nano acc normDifference
PIQA53.54%55.98%-2.44 points
ARC Easy31.57%36.20%-4.63 points
ARC Challenge21.08%23.38%-2.30 points
HellaSwag27.76%27.50%+0.26 points
Four-task mean33.49%35.77%-2.28 points

The two models differ in vocabulary, MLP width, training token count, and weight format, so these scores are a model-level comparison rather than an isolated measure of quantization.

Additional metricTernaryBananaMind-10MBananaMind-2-NanoDifference
Intelligence Index4.908.01-3.11
ArithMark 3.0 acc norm31.20%33.70%-2.50 points
BananaMind Base Bench 1.1 Elo904917-13
BananaMind Base Bench 1.1 accuracy37.14% (130/350)40.86% (143/350)-3.72 points
BananaMind Base Bench 1.1 weighted accuracy35.95%37.52%-1.57 points

BananaMind Base Bench 1.1 category comparison

CategoryTernary EloNano EloTernary accuracyNano accuracyTernary weightedNano weighted
Language completion9631,14758.00%80.00%58.28%80.25%
Commonsense82886532.00%38.00%33.12%37.85%
World knowledge86989536.00%46.00%38.24%41.69%
Context tracking83280432.00%26.00%28.34%25.16%
Quantitative78588120.00%32.00%18.30%28.08%
Logical reasoning1,0431,04346.00%46.00%42.32%42.32%
Code completion1,00082736.00%18.00%37.26%18.15%

Usage

This model uses custom architecture code. Load it with trust_remote_code=True.

pip install -U transformers safetensors torch
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "BananaMind/TernaryBananaMind-10M"
device = "cuda" if torch.cuda.is_available() else "cpu"
dtype = (
    torch.bfloat16
    if device == "cuda" and torch.cuda.is_bf16_supported()
    else torch.float32
)

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    dtype=dtype,
).to(device).eval()

inputs = tokenizer("The color of the sky is", return_tensors="pt").to(device)
with torch.inference_mode():
    output = model.generate(
        **inputs,
        max_new_tokens=96,
        do_sample=True,
        temperature=0.7,
        top_p=0.9,
        pad_token_id=tokenizer.eos_token_id,
        eos_token_id=tokenizer.eos_token_id,
    )

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

License

Apache 2.0.

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
BananaAllForCausalLM
Ревизия весов
b7cc374

0 моделей