/ Модель

Характеристики

Контекст
512 токенов
Лицензия
Apache 2.0
Архитектура
tinystories-gpt · dense
Опубликована
23 сен 2026

tinystories-24m

Генерация текстаТекст → текст3 профессии

Компактная GPT-модель, обученная на TinyStories для генерации коротких связных историй на английском языке.

653скачиваний за 30 дней2лайкавеса обновлены23 сен 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

Compactbot/tinystories-24m — компактная языковая модель, разработанная Compactbot и обученная с нуля на наборе TinyStories. Это декодерный GPT с 24,585,600 параметрами, BPE-токенизатором на 8192 токена и контекстом 512 токенов. Архитектура включает 12 слоёв, 8 голов внимания, RMSNorm, объединённые проекции QKV и GELU FFN; веса опубликованы в формате safetensors.

Модель предназначена для генерации коротких англоязычных историй с диалогами и связным повествованием. Она подходит для творческих прототипов и экспериментов с генерацией рассказов в стиле обучающего домена, но не рассчитана на ответы на вопросы, код, общие беседы или другой текст вне TinyStories. README сообщает о позднем расхождении обучения; опубликован лучший ранний чекпойнт. Для загрузки требуется bundled modeling.py, модель не является моделью Transformers. Лицензия — Apache-2.0.

Сценарии применения

  • генерация коротких детских историй
  • создание рассказа по короткой текстовой затравке
  • генерация диалогов между персонажами
  • эксперименты с небольшими языковыми моделями и BPE

Ограничения

Модель обучалась только на TinyStories и не предназначена для кода, вопросов, общей беседы или текстов вне этого домена. Полный обучающий запуск разошёлся на шаге 9 350; опубликован более ранний лучший чекпойнт, а для загрузки нужен bundled modeling.py.

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

TinyStories-24m

A 24.59M-parameter BPE language model trained from scratch on roneneldan/TinyStories, producing coherent short stories with proper dialogue, names, punctuation and narrative flow.

What it is

  • Architecture: decoder-only GPT, weight-tied embeddings, RMSNorm, fused qkv multi-head causal attention (SDPA), GELU FFN.
  • Shape: D=384, L=12 layers, H=8 heads, FFN=1536, SEQ=512, vocab=8192 (BPE).
  • Params: 24,585,600 (verified against the safetensors header).
  • Data: roneneldan/TinyStories — 447.8M train tokens, 2M held-out val.
  • Training: 1 epoch ≈ 13,600 steps, AdamW, cosine LR 6e-4 + 500 warmup, bf16 autocast, on a single RTX 5090.

Quality

  • Val perplexity: 8.76 (2.1618 nats/token, training-time fixed-window score). Full-split repro (100 random 512-token windows over the 4.5M-token val split): 12.39 (2.5172 nats/token). The gap is methodology (fixed window vs random windows), not a card error.
  • Generation: coherent. Sampled 9/9 seeded generations (3 seeds × 3 prompts) produce proper dialogue, character names (Ben, Lily, Mom, Tom, Sarah, Max), punctuation and narrative flow. This model is a story generator for its training domain — it is not a general-purpose assistant and will not answer questions it was not trained on.

Benchmark results (zero-shot loglikelihood, 400 examples per task)

TaskAccuracyChanceNotes
ARC-Easy13.3%25%below chance
ARC-Challenge12.5%25%below chance
HellaSwag25.0%25%at chance
SciQ25.0%25%at chance
PIQA50.0%50%at chance

All results are at or below chance — expected for a 24M model trained exclusively on simple children's stories. The model has learned the distribution of story text but has no general reasoning, commonsense, or science knowledge.

Honest caveats

  • Divergence: the full 13,600-step run diverged to NaN at step 9,350 (LR 6e-4 is too hot for a 24M model). The best checkpoint (step 6,000, val 2.1618) is what is published here — it is clean and coherent. The divergence is late, so a clean early checkpoint is the right artifact; always sample the best checkpoint, not the final one.
  • Domain-bound: trained only on TinyStories. Out-of-domain text (code, questions, general conversation) is out of scope.

Usage

Not a transformers model — load with the bundled modeling.py:

import sys, torch
sys.path.insert(0, "path/to/this/repo")
from modeling import TinyStoriesGPT
from tokenizers import Tokenizer

m = TinyStoriesGPT.from_pretrained("path/to/this/repo", device="cpu")
tok = Tokenizer.from_file("path/to/this/repo/tokenizer.json")

ids = tok.encode("Ben was playing in the park.", add_special_tokens=False).ids
x = torch.tensor([ids], dtype=torch.long)
with torch.no_grad():
    for _ in range(80):
        logits = m(x[:, -512:])[:, -1]
        nxt = torch.multinomial(torch.softmax(logits / 0.8, -1), 1).item()
        ids.append(nxt)
        x = torch.tensor([ids[-512:]], dtype=torch.long)
print(tok.decode(ids, skip_special_tokens=True))

Files

filebyteswhat
model.safetensors98,349,05675 tensors, float32
config.json—architecture + training metadata
modeling.py—the TinyStoriesGPT class (load with from_pretrained)
tokenizer.json560,804BPE-8k tokenizer (HF tokenizers format)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура tinystories-gpt неизвестна transformers в образе рантайма.

Класс архитектуры
TinyStoriesGPT
Ревизия весов
0f4e319

0 моделей