/ Модель

Характеристики

Контекст
4 096 токенов
Архитектура
omyga · dense
Библиотека
transformers
Опубликована
14 сен 2026

Omyga-150m-base

Генерация текстаТекст → текст

Небольшая базовая англоязычная модель, обученная с нуля для продолжения текста и оценки вероятности его продолжений.

637скачиваний за 30 дней0лайковвеса обновлены12 окт 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

Omyga-150M Base — базовая языковая модель ChakradharS для продолжения текста, предварительно обученная с нуля. Это decoder-only Transformer с 22 слоями и 149,341,696 параметрами, обученный примерно на 3 млрд токенов. Контекст — 4 096 токенов; модель использует токенизатор GPT-2 и опубликована в формате safetensors для Transformers.

Модель рассчитана на англоязычное автодополнение текста и оценку вероятности продолжений. Она не обучена следовать инструкциям или вести диалог. В приведённых тестах результаты по SciQ, PIQA и ARC-Easy выше случайного уровня, но на нескольких других задачах знаний модель близка к случайному результату. Для загрузки требуется trust_remote_code=True; код репозитория следует проверить и зафиксировать ревизию для воспроизводимости. Лицензия в предоставленных данных не указана.

Сценарии применения

  • автодополнение англоязычного текста
  • генерация продолжения заданного фрагмента на английском языке
  • оценка вероятности вариантов продолжения текста
  • эксперименты с небольшими языковыми моделями и их обучением

Ограничения

Модель не следует инструкциям и не предназначена для диалога; из-за небольшого размера и объёма обучения она часто выдумывает факты и слаба в рассуждениях и арифметике. README указывает, что модель не предназначена для производственного использования.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Omyga-150M Base

A 149M-parameter decoder-only language model pretrained from scratch on ~3B tokens on a single GPU.

This is the base (pretrained) model: it continues text, it does not follow instructions or chat. For the chat versions, see Related models.

Parameters149,341,696
Training tokens2,999,975,936 (~3B)
Context length4,096 tokens
Final validation loss3.0848 (perplexity 21.86)
Throughput~68.4K tokens/sec (single GPU, BF16)

Architecture

TypeDecoder-only Transformer, pre-norm
Layers22
Hidden size640
Attention heads10 (head dim 64), 10 KV heads
MLPSwiGLU, 640 → 1,920 → 640
NormalizationRMSNorm (eps 1e-5), plus QK-norm on queries and keys
PositionsRoPE (theta 10,000)
EmbeddingsTied input/output embeddings (50,257 × 640)
Bias / dropoutNone / 0.0
TokenizerGPT-2 byte-level BPE, vocabulary 50,257

Training data

SourceTokensShare
FineWeb-Edu1.35B45.0%
DCLM Baseline 1.01.00B33.3%
FineMath (4+)300M10.0%
English Wikipedia225M7.5%
OpenWebMath125M4.2%
Total3.0B100%

Text was tokenized with the GPT-2 tokenizer into 60 training shards of 50M tokens each (plus a 3M-token validation shard), with deterministic document-level splits. Training samples are random 4,096-token windows.

Training setup

Steps5,722 optimizer steps
Batch4 sequences × 32 gradient-accumulation steps × 4,096 tokens = 524,288 tokens per step
Learning ratelinear warmup to 6e-4 over 200 steps, then cosine decay
PrecisionBF16 mixed precision
Peak GPU memory27.0 GB
Training compute~12.2 hours (3B tokens at ~68.4K tokens/sec)

Validation loss during training:

Step2505001,0002,0002,7505,722 (final)
Val loss5.2314.2183.6443.3583.2543.085

The full per-step log (loss, learning rate, gradient norm, throughput) is in training/metrics.jsonl.

How it works: data → training → inference

Omyga-150M pipeline: data, batching, architecture, training and inference

Evaluation

0-shot, full test/validation splits. Knowledge tasks are scored by the log-likelihood of each answer choice; acc_norm is the mean log-probability per token.

BenchmarkMetricChanceOmyga-150M Base
SciQacc_norm25%65.30
PIQAacc_norm50%60.94
ARC-Easyacc_norm25%42.55
OpenBookQAacc_norm25%28.60
HellaSwagacc_norm25%28.26
ARC-Challengeacc_norm25%24.40
WinoGrandeacc_norm50%51.30
Arithmetic (GPT-3 set: 2/3-digit +, −, ×)greedy exact match–0.85
GSM8K5-shot, greedy–1.36

SciQ, PIQA and ARC-Easy are clearly above chance. HellaSwag, ARC-Challenge, WinoGrande and OpenBookQA are near chance, which is expected at this model size and token budget.

Usage

from transformers import AutoTokenizer, AutoModelForCausalLM

repo = "ChakradharS/Omyga-150m-base"
tok = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo, trust_remote_code=True)

inputs = tok("The water cycle is", return_tensors="pt")
out = model.generate(**inputs, max_new_tokens=60, do_sample=True, temperature=0.8, top_p=0.95,
                     pad_token_id=tok.eos_token_id)
print(tok.decode(out[0], skip_special_tokens=True))

This repository contains custom model code, so trust_remote_code=True is required. Review the code and pin a revision for reproducible use. This version generates without a KV cache (correct, but slower); the KV cache was added in the post-training models.

Limitations

  • Base model only: it completes text and does not follow instructions.
  • Small model trained on 3B tokens: it often produces incorrect or made-up facts and is weak at reasoning and arithmetic.
  • English only. Not intended for production use.

Related models

ModelWhat it is
Omyga-150m-base-chatmlThis model + ChatML chat template and special tokens
Omyga-150m-sftSupervised fine-tuned chat model
Omyga-150m-distillSFT model + distillation from DeepSeek-V4-Flash on GSM8K

Repository files

PathContents
model.safetensors, config.json, tokenizer filesWeights, configuration and tokenizer
*.py (root)Transformers-compatible model code (trust_remote_code)
omyga_walkthrough.pngDiagram: data pipeline, batching, architecture, training and inference
training/metrics.jsonlPer-step training and validation log
training/training_summary.jsonFinal training summary
training/model_config.json, training/src/Original training-time model code and config

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
OmygaForCausalLM
Ревизия весов
c47aefc

0 моделей