/ Модель

Характеристики

Контекст
512 токенов
Параметры
39,6 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
30 сен 2026

tinystories-40m

Генерация текстаТекст → текст3 профессии

Компактная англоязычная LLaMA-подобная модель для демонстрации генерации текста и обучения с нуля на корпусе коротких историй.

260скачиваний за 30 дней0лайковвеса обновлены30 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

TinyStories-40M — компактная языковая модель, созданная автором репозитория Compactbot и обученная с нуля на корпусе TinyStories. Это плотный трансформер в стиле LLaMA с 39,6 млн параметров, 12 слоями, скрытым размером 512, группированным запросным вниманием GQA, SwiGLU и RoPE. Модель работает с текстом на английском языке, а длина контекста составляет 512 токенов.

Модель предназначена прежде всего для демонстрации обучения языковой модели с нуля на масштабе около 40 млн параметров. Она может продолжать короткие сказочные фрагменты и показывать усвоенные особенности корпуса, например стиль «Once upon a time», но в README прямо указано, что это не связный генератор историй: продолжения часто обрываются или становятся неграмотными и несвязными. Веса опубликованы в формате safetensors; для загрузки используется Transformers с пользовательским кодом модели. Лицензия — Apache-2.0.

Сценарии применения

  • демонстрация обучения языковой модели с нуля
  • эксперименты с компактным трансформером на 40 млн параметров
  • генерация коротких продолжений сказочных фрагментов
  • изучение влияния корпуса TinyStories на стиль генерации

Ограничения

Модель часто генерирует короткие, неграмотные или несвязные продолжения и не поддерживает устойчивое повествование. Контекст ограничен 512 токенами, а для загрузки требуется доверять пользовательскому коду модели в Transformers.

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-40M

A 39.6M-parameter LLaMA-style transformer trained from scratch on the full TinyStories corpus. Published as a from-scratch training demonstration at the ~40M scale — it is not a coherent story generator (see Quality below).

Architecture

ParameterValue
Layers12
Hidden size512
Attention heads (Q)8
Attention heads (KV)4 (GQA 2:1)
Head dim64
FFN (SwiGLU)1408
Vocab size8192 (BPE)
Context length512
RoPE θ10000
NormRMSNorm (pre-norm)
Tied embeddingsYes
PrecisionFP32

Total parameters: 39,596,544 (86 tensors, head weight tied to the token embedding). Verified against the published model.safetensors.

Training

  • Data: roneneldan/TinyStories (~1.9B chars, ~490M tokens at seq 512)
  • Steps: 15,000
  • Batch size: 64 sequences × 512 tokens (32,704 tok/step)
  • Optimizer: AdamW, lr 3e-4, cosine decay (min-lr-frac 0.1), 300-step warmup
  • Hardware: RTX 5090 (32 GB), ~4 hours
  • Final train loss: 3.23 (step 15000)

Quality

Honest picture, from running the published weights (temp 0.7, top-k 50):

  • On the canonical prompt "Once upon a time" the model produces a story-like first sentence, then degrades:

    "Once upon a time, his mom and his clapped and cheered for him. They all enjoyed spending the rest of their special day in the park, his mom's light and a Stop being himself."

  • On other prompts it is weaker still — often a single short phrase or an immediate stop:

    "In the forest" → "In the forest things." "She opened the door" → "She opened the door."

  • Longer generations drift into incoherent, non-grammatical text.

This is what a 40M from-scratch model on a single 490M-token corpus demonstrably does: it learns the surface distribution of story text (word order, names, punctuation, the "Once upon a time" register) but does not sustain coherent narrative. It is published as a training demonstration, not as a usable story generator.

Usage

This is a custom transformers model — load with trust_remote_code=True:

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained(
    "Compactbot/tinystories-40m", trust_remote_code=True, torch_dtype=torch.float32
)
tok = AutoTokenizer.from_pretrained("Compactbot/tinystories-40m")

prompt = "Once upon a time"
ids = tok(prompt, return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=100, temperature=0.7, top_k=50)
print(tok.decode(out[0], skip_special_tokens=True))

Note: the bundled generate() always samples (no do_sample flag); pass temperature and top_k to control it.

Notes

  • From-scratch training: initialized randomly, trained end-to-end on TinyStories. No pre-training from any other model.
  • GQA (Grouped Query Attention) 2:1, SwiGLU, RoPE — LLaMA-2 recipe at 40M scale.
  • ~151 MB in FP32 — under 200 MB.

Files

filewhat
model.safetensors39,596,544 params, 86 tensors, FP32
config.jsonarchitecture + training metadata
modeling_tinystories.pythe model class (loaded via trust_remote_code)
tokenizer.jsonBPE-8k tokenizer (HF tokenizers format)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
TinyStoriesGPT
Ревизия весов
d5cfda5

0 моделей