/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
14,1 млн
Лицензия
Apache 2.0
Архитектура
bananamind21_lite_25m · dense
Опубликована
2 сен 2026

BananaMind-2.1-Lite-AdamW

Генерация текстаТекст → текст3 профессии

Компактная причинная языковая модель Banaxi-Tech для генерации текста и экспериментов с архитектурами до 25 млн параметров.

157скачиваний за 30 дней1лайквеса обновлены3 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

BananaMind 2.1 Lite — компактная причинная языковая модель Banaxi-Tech, опубликованная как чекпойнты обучения AdamW. Она предназначена для генерации текста и экспериментов с языковыми моделями класса до 25 млн параметров. В архитектуре — 13 физических слоёв Transformer с 15 эффективными проходами и модуль причинных триграмм на двух хеш-таблицах; параметры токенов связаны. В README указано 24 949 999 параметров, а в метаданных — 14,1 млн, поэтому размер модели в источниках расходится. Контекст составляет 4096 токенов; используется токенизатор BananaMind 2 Nano на 8192 токена. Карточка указывает английский язык.

Модель обучалась на смеси веб-текстов, синтетических данных, математических материалов и кода. Она подходит для компактной генерации текста и изучения архитектур с повторным использованием слоёв и триграммными признаками. Опубликованные файлы представлены в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжений текста на английском языке
  • эксперименты с компактными причинными языковыми моделями
  • изучение повторно используемых слоёв Transformer
  • эксперименты с триграммными признаками в языковых моделях

Ограничения

Модель небольшая и рассчитана на класс до 25 млн параметров, поэтому её возможности ограничены по сравнению с крупными языковыми моделями. Источники расходятся в числе параметров: README сообщает 24 949 999, а метаданные — 14,1 млн.

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

BananaMind 2.1 Lite

AdamW training checkpoints are published separately at Banaxi-Tech/BananaMind-2.1-Lite-AdamW so the earlier Muon experiment is preserved.

BananaMind 2.1 Lite is a 24,949,999-parameter causal language model built for the under-25M class.

  • 19,950,029 parameters in the tied-token Transformer core
  • 4,999,970 parameters in a two-hash causal trigram module
  • BananaMind 2 Nano's 8,192-token tokenizer
  • 13 physical layers and 15 effective layer passes
  • execution: L1 → L2 → L3 → L4 → L5 → L5 → L6 → L7 → L8 → L9 → L9 → L10 → L11 → L12 → L13
  • both visits to L5 share one physical layer; both visits to L9 share another
  • 4,096-token context

The trigram module uses two independent 51,699-entry tables with 48 features per hash. Their 96 concatenated features are projected to the 384-wide residual stream. The trigram representation is computed once and reinjected before every visit to L5 and L9. L5 and L9 have separate learned injection scales, both initialized to 0.5.

75B-token streamed curriculum

SourceTokensShare
FineWeb-Edu37.50B50%
DCLM Baseline16.50B22%
Cosmopedia v27.50B10%
FineMath 4+6.75B9%
FinePhrase4.50B6%
NPset-2 Python-Edu2.25B3%

The NPset allocation is 75% normalized code and 25% raw original_code. Curriculum weights move from web-heavy foundations to a balanced phase and then greater math, synthetic-text, phrase, and code coverage. A token-credit scheduler keeps the complete run within one global batch of every target allocation.

Training uses pure AdamW with (0.9, 0.95) betas: peak LR 0.003 for the Transformer core, embeddings, and controls, and peak LR 0.001 for the n-gram module. Both rates use warmup-stable-decay with a final 15% cosine decay. Checkpoints are uploaded every 5% with safetensors, tokenizer files, pinned dataset revisions, metrics, exact source-token accounting, and complete state for resuming.

Launch on Hugging Face Jobs

# Start a new 4 x H200 run (32 sequences/GPU, global batch 128).
./launch_lite_25m_hf_job.sh 4 fresh

# Resume it later.
./launch_lite_25m_hf_job.sh 4 resume

# The same global batch on 8 x H200 (16 sequences/GPU).
./launch_lite_25m_hf_job.sh 8 resume

The launcher expects HF_TOKEN to be available to the Hugging Face CLI and as a Hugging Face Jobs secret.

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
BananaMind21Lite25MForCausalLM
Ревизия весов
8ac0325

0 моделей