/ Модель

Характеристики

Контекст
4 096 токенов
Лицензия
Своя лицензия
Архитектура
bananamind21_unified · dense
Библиотека
transformers
Опубликована
18 авг 2026

unified-2.1-test

Генерация текстаТекст → текст3 профессии

BananaMind 2.1 Unified — базовая языковая модель с тремя взаимодействующими трансформерными башнями для генерации текста на английском языке.

48скачиваний за 30 дней0лайковвеса обновлены18 авг 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

Banaxi-Tech разработала BananaMind 2.1 Unified — базовую авторегрессионную языковую модель с тремя взаимодействующими трансформерными башнями и примерно 35 млн параметров. Модель обучена на 38 млрд токенов; это предварительная версия, прошедшая полный запланированный объём обучения, но не настроенная на выполнение инструкций.

Модель предназначена для генерации продолжения текста и оценки следующих токенов. Башни A и C имеют собственные выходные головы, чьи распределения вероятностей смешиваются; башня B служит промежуточным звеном обмена между ними. Контекст составляет 4096 токенов, словарь — 8192 токена. В карточке указана поддержка английского языка; среди обучающих данных названы FineWeb-HQ, DCLM, SmolLM Corpus и FineMath.

Модель доступна в формате safetensors для Transformers и использует custom code с trust_remote_code. Не предназначена для диалогового следования инструкциям без дополнительной настройки. Лицензия обозначена как other, поэтому условия использования следует сверить с карточкой репозитория.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с архитектурами языковых моделей
  • оценка вероятностей следующих токенов
  • дообучение базовой модели для пользовательских задач

Ограничения

Модель не настроена на выполнение инструкций и может не подходить для прямого использования как чат-ассистент. Репозиторий требует custom code и trust_remote_code; лицензия указана как other, поэтому условия использования нужно проверить отдельно.

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 Unified - 100%

The 100% training preview of BananaMind 2.1 Unified, a 34,999,041-parameter three-tower base causal language model. Not instruction tuned.

Architecture

Three transformer stacks share one d=384 embedding. A and C are the outer towers and each owns an output head; the next token is a probability-space mixture of the two. B is the relay: no head, no solo loss term, and the only path between A and C.

Tower ATower B (relay)Tower C
Layers1456
Hidden256320384
MLP (SwiGLU)7049601024
Attention4Q / 1KV5Q / 1KV6Q / 2KV
Layer params9.86M5.84M9.44M
Output head2.10Mnone3.15M

Head dim 64, QK norm, RoPE theta 100k, RMSNorm eps 1e-6, vocab 8,192, 4,096 context. Shared embedding 3.15M, input projections 384->256 for A and 384->320 for B; C reads the embedding natively. Three bridge points per pair in both directions, 1.23M total.

Exchange schedule, 1-indexed. Bridge output is added before the receiving block, so the relay always has processing between taking a signal in and handing one back out:

roundA readC read-> BB runsB read-> A-> C
152pre-11-2273
294pre-33-44115
3125pre-555146

Gates are per-channel and initialise to 0.01 rather than 0: B carries no solo loss, so a zero init risks the middle never waking up.

Training

FieldValue
Progress100%
Tokens seen37,999,869,952
Target tokens38,000,000,000
Hardware8 x NVIDIA RTX PRO 6000 Blackwell Server Edition
OptimizerAdamW, single group
Peak LR0.0023
ScheduleWSD, cosine to 0 over final 15%
LossL_mix + 0.3 * (L_A + L_C)
Precisionbfloat16 autocast
SourceShare
fineweb_hq50.957%
dclm20.766%
cosmopedia_v220.043%
finemath8.234%

Usage

.logits holds a normalised log-probability vector, not unnormalised logits, because the two heads are mixed in probability space. log_softmax is the identity on it, so scoring, generate() and sampling all behave normally.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Banaxi-Tech/unified-2.1-test"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True)

Set cut_bridges=True to sever every bridge, which leaves A and C as two ordinary standalone transformers:

model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, cut_bridges=True)

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
BananaMind21UnifiedForCausalLM
Ревизия весов
09d0f9d

0 моделей