/ Модель

Характеристики

Контекст
1 024 токена
Параметры
106 млн
Лицензия
CC BY-SA 4.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
21 сен 2026

ounce100m-v1

Генерация текстаТекст → текст3 профессии

Небольшая базовая языковая модель семейства Llama для генерации продолжений текста и экспериментов с обучением трансформеров на ограниченных данных.

369скачиваний за 30 дней1лайквеса обновлены21 сен 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

Cion-lab/ounce100m-v1 — базовая авторегрессионная языковая модель, разработанная Cion-lab и обученная с нуля. Это плотный decoder-only трансформер семейства Llama с 106,2 млн параметров, 22 слоями и контекстом до 1024 токенов. Модель обучали на 999,8 млн токенов из публичной смеси Cion-lab/ounce100m-mix-v1; для токенизации использован словарь SmolLM2 размером 49 152 токена.

Модель предназначена для продолжения текста и экспериментов с небольшими языковыми моделями, включая изучение обучения на ограниченном объёме данных и воспроизведение эксперимента. Это базовая модель без настройки на инструкции, RLHF и шаблона чата, поэтому она не рассчитана на диалоговое следование запросам. В README приведено значение perplexity 75,98 на отложенной выборке; оценки бенчмарков не публиковались, и автор предупреждает, что на нескольких задачах результат может быть близок к случайному уровню.

Репозиторий использует формат safetensors и библиотеку Transformers. Лицензия — CC BY-SA 4.0.

Сценарии применения

  • генерация продолжения короткого текста
  • изучение обучения языковых моделей с нуля
  • воспроизведение экспериментов с малой моделью
  • сравнение качества модели при ограниченном объёме обучающих данных

Ограничения

Контекст ограничен 1024 токенами; модель не настроена на инструкции и диалог. Бенчмарки не оценивались, а автор предупреждает о возможных результатах около случайного уровня на ряде 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

ounce100m-v1

A 106,194,240-parameter decoder-only transformer trained from scratch on 999,817,216 tokens of Cion-lab/ounce100m-mix-v1, in 3814 optimiser steps on 2×Nvidia Tesla T4 inside Kaggle notebook sessions. It is the deliverable of a project whose whole point was to find out what a ~100 M-parameter model reaches from ~1 B tokens of a curated public mix, and to report it honestly, including where that is near chance.

Measured facts

Parameters106,194,240 (recomputed from model.safetensors's own header, not asserted)
Architecture22 layers, hidden 576, GQA 9 Q / 3 KV heads, SwiGLU 1536, RMSNorm 1e-05, RoPE θ=10000.0, tied embeddings, vocab 49,152
Sequence length1024 — which is why ARC's 25-shot prompts are truncated from the left by the eval harness
Tokens consumed999,817,216 (99.98 % of the 1.0 B target)
Batchmicro 4 × accum 32 × 2 ranks = 262,144 tokens/step
Optimiseradamw_torch, LR 0.0006, warmup fraction 0.02, trapezoid decay over the final 20.0 % of the schedule
Precisionfp16 autocast + fp32 master weights + GradScaler — asserted at the start of every session, and each session's log line precision: fp16=True bf16=False scaler=GradScaler is the evidence
Throughput12,150 tok/s in the session that produced this export
Attentioneager
Gradient checkpointingFalse
Randomnessmodel seed 20260919, data seed 20260919
Wall clock4.59 h in the session that produced this export. The run is split across sessions at checkpoint boundaries, so this is not the total training time
Loss4.43187255859375 -> 4.264701843261719
Validation PPL75.98 on Cion-lab/ounce100m-mix-v1's held-out val/ shards (22,934,043 tokens, never trained on)

Data

Cion-lab/ounce100m-mix-v1: 1,109,714,831 training tokens in 139 shards + 22,934,043 held-out validation tokens, cut with HuggingFaceTB/SmolLM2-135M:tokenizer.json (49,152 vocab, Apache-2.0), from 15 public sources at ≥15 per shard. Format and loading code are in that dataset's card.

Contamination. Overlap was measured mechanically against benchmark train/validation/dev material of the eight evaluation tasks (13-token windows, counts only — no benchmark item text was ever read, and test splits stayed untouched until evaluation). audit.json in the dataset repo records overlap_total = 0 over 1,073,047 documents and 21,898 held-out documents, tasks_covered = 8/8. Building it required dropping 5878 documents (17,366,967 tokens) that matched reference material; the exact exclusion masks ship in filter/ so the mix is reproducible.

Evaluate it

pip install "lm-eval==0.4.13"
lm_eval --model hf --model_args pretrained=Cion-lab/ounce100m-v1,dtype=float16,trust_remote_code=False \
  --tasks arc_challenge,arc_easy,hellaswag,mmlu,piqa,truthfulqa_mc1,truthfulqa_mc2,winogrande,gsm8k \
  --batch_size 8 --seed 42 --log_samples

No benchmark scores are published with this model. The eight-task evaluation was dropped on 2026-09-21T14:13Z by the project owner before any task produced a score (the first eval kernel died at 1.77 s on a module-path bug and was not relaunched), so every number on this card comes from training or from the held-out validation set - perplexity 75.98 on 1,953 windows of val/, which the model never trained on. The protocol that was going to be used is frozen and public anyway: task ids, metric names, shot counts, splits and chance levels were all fixed in docs/05-eval-plan.md of Cion-lab/ounce100m-code before any score existed, with the driver in eval/run_benchmarks.py at Cion-lab/ounce100m-code. Treat the command above as a reproduction recipe, not as a claim that these results were measured.

Files

filesha256bytes
config.jsonbe63e8d2dc708f8b…723
cursor.jsonc5ea3ba9293f3278…205
generation_config.json1dac20576af54bdd…219
model.safetensors669ac130a8853cc2…424,799,272
run_summary.jsond7789a4e70e296c3…968
special_tokens_map.jsone786b595b9a23148…831
tokenizer.json9ca9acddb6525a19…2,104,556
tokenizer_config.json4bb9af56a342753d…3,658

cursor.json is the data position this checkpoint corresponds to: samples consumed, step, seed, the corpus fingerprint and a hash of the visit-order permutation, so the resume can be checked rather than trusted.

Not in this model

No instruction tuning, no RLHF, no chat template — it is a base model, deliberately. It has ~1 B tokens of training against the ~300 B of the comparable published reference models, so expect scores at or near chance on several tasks; that is the experiment's result, not a defect to be engineered around.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ea614f5

0 моделей