/ Модель

Характеристики

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

BananaMind-2.1-Lite-All-Looped-AdamW

Генерация текстаТекст → текст3 профессии

Компактная экспериментальная причинная языковая модель Banaxi-Tech для генерации текста и кода.

581скачиваний за 30 дней2лайкавеса обновлены18 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 All-Looped — экспериментальная авторегрессионная языковая модель Banaxi-Tech класса до 25 млн параметров. Модель содержит 14,1 млн параметров по метаданным; README приводит другое значение — 24 949 999 параметров, поэтому размер указан в источниках неодинаково. Архитектура — плотная причинная Transformer-модель с 13 физическими слоями и 24 проходами по слоям: средний стек повторно использует те же веса. Дополнительно используется причинный триграммный модуль с двумя хеш-таблицами. Контекст — 4096 токенов.

Модель обучалась на смеси веб-текстов, образовательных и синтетических данных, математических материалов и кода; в README описан потоковый учебный курс на 75 млрд токенов. Она предназначена для генерации текста и может применяться в небольших экспериментах с компактными языковыми моделями, включая генерацию кода. Язык в метаданных — английский. Репозиторий содержит веса в safetensors и распространяется по лицензии Apache 2.0. Карточка описывает модель как эксперимент, а не как готовую к производственному применению систему.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с компактными авторегрессионными языковыми моделями
  • генерация фрагментов кода
  • исследование повторного использования слоёв Transformer
  • сравнение триграммных модулей с языковой моделью

Ограничения

Это экспериментальная модель небольшого размера, поэтому её качество и пригодность для практических задач могут быть ограничены. Источники расходятся в числе параметров: метаданные указывают 14,1 млн, а README — 24 949 999.

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 All-Looped

This all-middle-looped AdamW experiment is published separately at Banaxi-Tech/BananaMind-2.1-Lite-All-Looped-AdamW. It does not overwrite the original Lite or the partially looped AdamW experiment.

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 24 effective layer passes
  • execution: L1 → (L2 → ... → L12) × 2 → L13
  • L1 is the prelude, L2-L12 are one recurrent middle stack, and L13 is the coda
  • every middle-layer visit reuses the same physical layer weights on pass two
  • 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, once in each recurrent-stack pass. 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_all_looped_hf_job.sh 4 fresh

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

# The same global batch on 8 x H200 (16 sequences/GPU).
./launch_lite_all_looped_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
74d19ef

0 моделей