/ Модель

Характеристики

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

sorbet-v2-25m

Генерация текстаТекст → текст3 профессии

Sorbet-v2-25M — компактная авторегрессионная языковая модель для генерации текста, разработанная CodeSoft.

441скачиваний за 30 дней1лайквеса обновлены25 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

Она построена в стиле Qwen2 и продолжает обучение контрольной точки Sorbet-25M на смесях FineWeb-HQ, DCLM-baseline и математического набора FineMath-4+. Модель предназначена для экспериментов, обучения и запуска лёгких систем генерации текста, где важны небольшие требования к ресурсам.

Модель содержит около 25,2 млн параметров, 14 слоёв со скрытым размером 384, архитектуру внимания GQA с 6 головами и 2 KV-головами, SwiGLU-FFN размером 1024 и RoPE с θ=100k. Контекст составляет 4096 токенов, используется связанный эмбеддинг и пользовательский byte-level BPE-словарь на 8192 токена. Модель работает в формате bf16, поддерживается библиотеками transformers и llama.cpp, относится к модальности текст-в-текст и обучена преимущественно для английского языка.

Небольшой размер обеспечивает удобство локального запуска и экспериментов, а включение математических данных улучшает относительные результаты на задачах арифметики. При этом модель имеет ограниченные знания о мире и слабее справляется с задачами, требующими широких фактических знаний; её показатели на общих тестах невысоки. Модель распространяется по лицензии Apache-2.0.

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

Architecture graph

Architecture

Identical to Sorbet-25M: stock Qwen2 throughout, no custom code paths, natively supported by both transformers and llama.cpp.

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

v2 continues the v1 checkpoint through two training runs:

LegData mix (tokens)LR schedule
cpt2fineweb-edu 70% / infiwebmath 10% / DCLM-baseline 20%, 0.8B tokcosine, 8-bit AdamW
v2-finalFineWeb-HQ 65% / DCLM-baseline 20% / FineMath-4+ 15%, 1.7B tokcosine peak 1e-4, fp32 AdamW

Block-shuffled at 131,072 tok/step.

Benchmarks

All numbers zero-shot via lm-evaluation-harness, bf16, identical settings across checkpoints.

TasknRandomaccacc_norm
HellaSwag10,04225%26.55 ±0.4426.63 ±0.44
ARC-easy2,376~25%30.30 ±0.9429.92 ±0.94
ARC-challenge1,172~25%18.60 ±1.1422.44 ±1.22
PIQA1,83850%54.52 ±1.1653.32 ±1.16
ArithMark-3.01,00025%32.90 ±1.4833.00 ±1.49

Notes:

  • Every score is at or above the Sorbet-25M baseline within error bars.
  • ArithMark-3.0 (AxiomicLabs/Arithmark-3.0) remains the strongest relative result (+8 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-v2-25m"
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
4a9c175

0 моделей