/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
40,7 млн
Лицензия
Своя лицензия
Архитектура
deepseek_v4 · dense
Библиотека
transformers
Опубликована
8 авг 2026

minnow-pico-50M-base

Генерация текстаТекст → текст3 профессии

Небольшая модель DeepSeek-V4, обученная с нуля для экспериментов с архитектурой и генерации текста.

273скачиваний за 30 дней1лайквеса обновлены8 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

minnow-pico-50M-base — экспериментальная языковая модель семейства DeepSeek-V4, созданная Calandracas с нуля для изучения архитектуры на небольшом масштабе. Она содержит 40,7 млн параметров по метаданным (в README указано 48,5 млн), использует архитектуру DeepseekV4ForCausalLM и обучена на 1 млрд токенов из многоязычной смеси C4, охватывающей 108 языков. Модель предназначена для генерации текста и исследований архитектуры, а не для практического применения.

Архитектура включает 8 слоёв, 16 экспертов с маршрутизацией top-2, гибридное внимание и скрытое представление размерности 256. Максимальный контекст — 2048 токенов. Репозиторий содержит веса в формате safetensors; для работы указана библиотека Transformers. Карточка перечисляет поддержку английского, китайского, испанского, французского, немецкого, японского, русского, португальского, арабского и корейского языков, а обучение описано как многоязычное на 108 языках.

Модель является исследовательской песочницей и, согласно карточке, не способна решать полезные практические задачи. Лицензия обозначена как other, конкретные условия в предоставленных данных не раскрыты.

Сценарии применения

  • эксперименты с архитектурой DeepSeek-V4
  • изучение маршрутизации экспертов MoE на малой модели
  • исследование гибридного внимания в языковых моделях

Ограничения

В README сказано, что модель не предназначена для практического применения и не способна выполнять полезные задачи. Указана лицензия other, но её конкретные условия в доступных данных не приведены.

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

minnow-pico-50M-base

A 48.5M parameter DeepSeek-V4 architecture model trained from scratch on a multilingual blend of C4 data (108 languages). This is a research sandbox model for studying the DeepSeek-V4 architecture at small scale — it is not a production model and has no practical use.

Architecture

Based on the DeepSeek-V4 architecture, consumed via HuggingFace DeepseekV4ForCausalLM (transformers ≥ 5.14):

  • 256-dim hidden, 8 layers, 4 heads × 64 head_dim
  • 16 experts, top-2 routing (Sqrt(Softplus) affinity)
  • Hash-routed MoE on first 3 layers, learned routing on last 2
  • Hybrid attention (CSA + HCA + sliding)
  • Manifold-Constrained Hyper-Connections (mHC)
  • Grouped low-rank attention output projection
  • 48,538,724 parameters total

Training

  • Data: 1B tokens from a multilingual C4 blend (108 languages)
  • Optimizer: AdamW (betas 0.9, 0.95)
  • Learning rate: 6e-4, cosine schedule, 763 warmup steps
  • Batch size: 131,072 tokens/step (2× RX 7900 XTX, NCCL DDP)
  • Steps: 7,629
  • Final loss: 3.49
  • Hardware: 2× AMD RX 7900 XTX (gfx1100, RDNA3)

This model was trained from scratch (random initialization) — it does not inherit weights from any pretrained model.

Tokenizer

Uses the DeepSeek-V4-Flash-0731 tokenizer (vocab 129,280).

Disclaimer

This model exists purely for architectural experimentation. At 48.5M parameters, it cannot perform any useful tasks. Do not use it for anything.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV4ForCausalLM
Ревизия весов
9829bc0

0 моделей