/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
23 сен 2026

tinystories-50m

Генерация текстаТекст → текст3 профессии

Компактная модель, обученная с нуля для генерации простых англоязычных детских историй в стиле корпуса TinyStories.

850скачиваний за 30 дней1лайквеса обновлены25 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-50m — небольшая авторская трансформерная языковая модель TinyStoriesGPT, обученная с нуля на корпусе детских историй TinyStories. Она предназначена для генерации простых англоязычных детских рассказов и изучения того, как компактная модель осваивает узкую тематическую область.

Модель содержит 56,9 млн параметров, имеет 16 слоёв и использует BPE-токенизатор с размером словаря 12 288. Веса представлены в формате safetensors. На отложенной выборке TinyStories указана лучшая perplexity около 3,99; генерации в знакомой области описаны как связные, с отдельными логическими огрехами.

Качество заметно снижается за пределами детских историй: модель не предназначена для общего текста, кода или математики. Репозиторий распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация коротких детских историй на английском языке
  • продолжение рассказа по начальной фразе
  • изучение обучения компактных языковых моделей на узкой тематике

Ограничения

Модель узкоспециализирована на детских рассказах; генерация кода, математики и открытых тем может быть несвязной. На этом масштабе возможны небольшие логические ошибки и артефакты текста.

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-50m

A 56,902,144-parameter transformer language model trained from scratch on TinyStories, a corpus of simple, repetitive children's stories. It is the 50M scale-up in the tinystories-24m → tinystories-50m lineage.

v2 (2026-09-25): retrained with a larger 12288-vocab BPE tokenizer (was 8192). The 8192-vocab v1 is fully superseded — same repo, same loader, better weights. v1's held-out val loss was 1.6566; v2's is 1.3837.

It writes fluent, on-domain children's stories. It is not a general language model — out-of-domain generation degrades, and it should not be used for anything beyond the story domain it was trained on.

Architecture

FieldValue
Parameters56,902,144 (exact; verified against the safetensors header)
Layers (L)16
d_model (D)512
Heads (H)8 (head dim 64)
FFN dim2048 (4× D)
Vocab12288 (BPE)
Max seq len512
Embeddingsweight-tied (lm_head = tok)
NormRMSNorm (pre-norm, 2 per block + final)
ActivationGELU
Attentioncausal, no bias in linear layers
Dtypefloat32

Parameter breakdown (sums exactly to 56,902,144):

  • token embedding: 12288 × 512 = 6,291,456
  • position embedding: 512 × 512 = 262,144
  • 16 blocks × 3,146,752 = 50,348,032
    • 2 × RMSNorm (512) + qkv (512×1536) + proj (512×512) + fc1 (512×2048) + fc2 (2048×512)
  • final RMSNorm: 512

Training

  • Data: TinyStories (ronendagan/TinyStories), 523,389,481 tokens after BPE-12288 re-tokenization (2,119,489 stories, ~9.19 tokens/param), with a 2M-token held-out tail for validation.
  • Optimizer: AdamW, cosine LR decay with warmup (peak 6e-4), grad clip 1.0.
  • Batch: 64, seq 512 → 32,768 tokens/step.
  • Steps: 15,910 (one full epoch). Best checkpoint at step 13,500.
  • Hardware: single NVIDIA RTX 5090 (32 GB).
  • Final val loss: 1.3924; best val loss 1.3837 (step 13,500). The shipped weights are the end-of-run checkpoint (val 1.3924), within 0.009 of the best.

Evaluated numbers

  • Held-out perplexity (TinyStories val split): exp(1.3837) ≈ 3.99 (best ckpt). This is the honest primary metric for a narrow-domain model.

  • General zero-shot log-likelihood accuracy (the 12288-vocab tokenizer can read these datasets, so we report them — v1's 8192-vocab tokenizer could not):

    TaskAccuracyn
    BLiMP64.00%200
    ARC-Easy51.09%599
    PIQA45.50%200
    HellaSwag54.83%600

    These are single-shot, zero-shot, no-few-shot, on a 57M model trained on one narrow domain — treat them as a scale reference, not a competitive result.

  • Coherence: seeded generations are fluent, on-domain, with consistent characters and correct punctuation. Minor artifacts expected at this scale (occasional garbled quote char, a couple of logical slips).

Files

FileWhat
model.safetensorsweights (227 MB, 99 tensors, float32)
tokenizer.jsonBPE-12288 tokenizer (tokenizers format)
config.jsonarchitecture config
load_model.pyself-contained loader + TinyStoriesGPT class

Usage

from load_model import load
model, tok = load()
ids = tok.encode("Once upon a time,")
out = model.generate(torch.tensor([ids]).cuda(), 100, temp=0.8, top_k=40)
print(tok.decode(out[0].tolist(), skip_special_tokens=True))

What it is and is not

  • Is: a small, from-scratch, on-domain story generator. Good for studying how a ~57M transformer learns a narrow, repetitive domain.
  • Is not: a general-purpose LM. Do not expect coherent output on code, math, or open-domain text. The low perplexity is domain-specific.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура TinyStoriesGPT неизвестна transformers в образе рантайма.

Класс архитектуры
TinyStoriesGPT
Ревизия весов
8ac5f3f

0 моделей