/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
84,4 млн
Лицензия
cdla-sharing-1.0
Архитектура
llama · dense
Опубликована
18 авг 2026

Ultra-FineWeb-12L-llama3-1B-Tokens

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель семейства Llama для генерации текста и простых диалоговых сценариев.

220скачиваний 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

Cion-lab представляет Ultra-FineWeb-12L-llama3-1B-Tokens — компактную авторегрессионную языковую модель семейства Llama, обученную примерно на одном миллиарде токенов англоязычного набора openbmb/Ultra-FineWeb. Модель создана с использованием MaxText на ускорителе TPU v5e-8; в репозитории указаны 12 слоёв декодера, а метаданные сообщают о 84,4 млн параметров и контексте до 2048 токенов.

Модель предназначена для генерации продолжений текста и простых диалоговых сценариев на английском языке. Архитектура использует блок декодера Llama с RMSNorm, RoPE, SwiGLU и причинной маской; веса доступны в формате safetensors. Лицензия — CDLA-Sharing-1.0. Карточка описывает обучение на одном текстовом датасете, поэтому пригодность для широкого круга инструкционных задач не подтверждена.

Сценарии применения

  • генерация продолжения англоязычного текста
  • создание коротких диалоговых ответов на английском языке
  • эксперименты с небольшими авторегрессионными языковыми моделями

Ограничения

Обучение описано для одного англоязычного текстового набора, а контекст ограничен 2048 токенами. Карточка не подтверждает качество следования инструкциям или пригодность для специализированных задач.

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

Ultra-FineWeb-12L-llama3-1B-Tokens

Trained on ~1,000,000,000 tokens across 1 dataset(s) using MaxText on a Kaggle TPU v5e-8 accelerator.

Architecture (Llama2/Llama3 decoder block)

KeyValue
Decoder blockllama2 (RMSNorm + RoPE + SwiGLU, causal masking)
Hidden layers12
Hidden size640
Query heads5 (head_dim=128)
KV heads5
Intermediate (MLP)1920 (SwiGLU)
Vocab size32,000
Max position embeddings2048
Tie word embeddingsfalse
Approx parameters104,858,240 (~104.9M)

Training

Datasets (1 total, trained sequentially)

  • [0] openbmb/Ultra-FineWeb
    • Subset: default
    • Train/eval split: en / ``
    • Text columns: ['content']
    • Target tokens: 1,000,000,000 -> 3814 steps

Hyperparameters

  • Tokenizer: hf-internal-testing/llama-tokenizer
  • Optimizer: AdamW (b1=0.9, b2=0.95, eps=1e-08, weight_decay=0.1, decoupled)
  • LR schedule: cosine, peak 0.0003, warmup 10%, final 0.1x peak
  • Gradient clip: global-norm 1.0
  • Z-loss: 1e-5 (auxiliary softmax z-loss for stability)
  • Skip-step-on-spike: enabled
  • Mixed precision: bf16 forward/backward, fp32 master weights & Adam state
  • Batch: 8 sequences x 2048 tokens x 8 TPU chips x 2 grad_accum = 262,144 tokens/step
  • Total steps: 3,814 (~1,000,000,000 tokens trained)
  • Log period: every 10 steps
  • Hardware: Kaggle TPU v5e-8 (single host, 8 chips, 16 GB HBM/chip)
  • Framework: MaxText (JAX + Flax NNX + Optax + Orbax)

Tokenizer

The tokenizer from hf-internal-testing/llama-tokenizer is included in this repo. Load with:

from transformers import LlamaTokenizer
tok = LlamaTokenizer.from_pretrained("Cion-lab/Ultra-FineWeb-12L-llama3-1B-Tokens")

Usage

from transformers import AutoModelForCausalLM, LlamaTokenizer
import torch

REPO = "Cion-lab/Ultra-FineWeb-12L-llama3-1B-Tokens"
m = AutoModelForCausalLM.from_pretrained(REPO, torch_dtype=torch.bfloat16)
tok = LlamaTokenizer.from_pretrained(REPO)

prompt = "Once upon a time, "
ids = tok(prompt, return_tensors="pt").input_ids
out = m.generate(ids, max_new_tokens=64, do_sample=True, temperature=0.8, top_p=0.9)
print(tok.decode(out[0], skip_special_tokens=True))

License

The model weights are released under CDLA-Sharing-1.0. The tokenizer follows its upstream licensing.

Citation

@misc{ultra-fineweb},
  title        = {Ultra-FineWeb},
  howpublished = {https://huggingface.co/datasets/openbmb/Ultra-FineWeb}

@misc{maxtext,
  title        = {MaxText: A Simple, Performant and User-Friendly OpenSource LLM training Codebase},
  author       = {Google},
  howpublished = {https://github.com/AI-Hypercomputer/maxtext}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Репозиторий недоступен на Hugging Face.

Класс архитектуры
LlamaForCausalLM
Ревизия весов
bd213d7

0 моделей