/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
25,2 млн
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Библиотека
transformers
Опубликована
22 авг 2026

sorbet-25m

Генерация текстаТекст → текст3 профессии

Компактная модель CodeSoft на архитектуре Qwen2 для генерации текста и экспериментов с небольшими языковыми моделями.

278скачиваний за 30 дней4лайкавеса обновлены22 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

CodeSoft разработала sorbet-25m — компактную языковую модель с 25,2 млн параметров на архитектуре Qwen2, обученную с нуля как авторегрессионный декодер. Модель содержит 14 слоёв с размерностью скрытого состояния 384, использует групповое запросное внимание и RoPE; длина контекста составляет 4096 токенов.

Модель предназначена для генерации текста и небольших экспериментов с языковыми моделями. Она обучалась примерно на 0,8 млрд токенов из смеси образовательных веб-текстов, математических данных и общего веб-корпуса. В опубликованных тестах результат по математической задаче ArithMark оказался наиболее заметным относительно случайного уровня.

Из-за небольшого размера и ограниченного бюджета обучения у модели неглубокие знания о мире и слабые результаты на задачах, требующих обширных знаний; её не следует выбирать для таких сценариев с высокими требованиями к качеству. Репозиторий содержит веса safetensors и рассчитан на использование с Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с компактными языковыми моделями
  • генерация коротких продолжений текста
  • учебные демонстрации авторегрессионной генерации
  • исследование влияния математических данных на языковую модель

Ограничения

Из-за малого числа параметров и ограниченного бюджета обучения модель обладает неглубокими знаниями о мире и слабо справляется с задачами, требующими обширных знаний.

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

Sorbet-25M

Architecture graph

From-scratch ~25M-parameter Qwen2-style decoder LM trained in under 4h on a single RTX 5060 Ti (16GB).

Architecture

Params25,185,920 (~87% non-embedding)
Layers / hidden14 / 384
AttentionGQA 6 heads / 2 KV heads, RoPE θ=100k
FFN1024 (SwiGLU)
Context4096
Vocab8,192 custom byte-level BPE (tied embeddings)
Precisionbf16

Training data

0.8B-token weighted mix: fineweb-edu 70% / infiwebmath 10% / DCLM-baseline 20%, block-shuffled. ~3000 steps at 262,144 tok/step, cosine LR, 8-bit AdamW.

Benchmarks

TasknRandomaccacc_norm
HellaSwag10,04225%26.52 ±0.4426.12 ±0.44
ARC-easy2,376~25%29.50 ±0.9429.59 ±0.94
ARC-challenge1,172~25%17.66 ±1.1122.95 ±1.23
PIQA1,83850%54.46 ±1.1653.43 ±1.16
ArithMark-3.01,00025%32.70 ±1.4832.90 ±1.48

Notes:

  • ArithMark-3.0 (AxiomicLabs/Arithmark-3.0) is the strongest relative result (+7.9 pts over random), consistent with the math share of the pretraining mix.
  • ARC-challenge raw accuracy sits below chance due to a length bias in unnormalized scores; acc_norm is the meaningful metric there.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "CodeSoft/sorbet-25m"
model = AutoModelForCausalLM.from_pretrained(repo, dtype="bfloat16").to("cuda")
tok = AutoTokenizer.from_pretrained(repo, subfolder="tokenizer")
ids = tok("Once upon a time", return_tensors="pt").input_ids.cuda()
print(tok.decode(model.generate(ids, max_new_tokens=64)[0]))

Limitations

Expect shallow world knowledge and weak performance on knowledge-heavy benchmarks due to the model's small parameter count and limited training budget.

License

Apache-2.0.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
da6685a

0 моделей