/ Модель

Характеристики

Контекст
512 токенов
Параметры
491 520
Лицензия
odc-by
Архитектура
llama · dense
Библиотека
transformers
Опубликована
12 сен 2026

NanoDex-Test-500K-200M

Генерация текстаТекст → текст3 профессии

Компактная языковая модель Llama, обученная с нуля для демонстрации предобучения и простого продолжения текста.

743скачиваний за 30 дней1лайквеса обновлены12 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

NanoDex-Test-500K-200M — компактная decoder-only языковая модель, созданная DedeProGames и обученная с нуля на датасете FineWeb-Edu. Она использует архитектуру LlamaForCausalLM: три слоя трансформера, размер скрытого состояния 96, RMSNorm, rotary position embeddings, grouped-query attention и связанные эмбеддинги. Модель содержит около 492 тысяч параметров, принимает текстовый контекст длиной до 512 токенов и выдаёт продолжение текста. Для загрузки используются Transformers и формат safetensors.

Модель предназначена для демонстрации и изучения процесса предобучения трансформера с нуля. Она усваивает формы слов, частые сочетания и немного синтаксиса, но не подходит для полезного диалога, надёжных ответов на вопросы или генерации фактического текста. Распространяется по лицензии ODC-BY.

Сценарии применения

  • изучение устройства малых трансформеров
  • наблюдение за процессом предобучения языковой модели
  • эксперименты с генерацией коротких продолжений текста

Ограничения

Из-за малого размера и ограниченного бюджета обучения модель усваивает лишь формы слов, частые сочетания и немного синтаксиса. Она не является полезным ассистентом, а её выводам нельзя доверять как фактам.

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

NanoDex-Test-500K-200M

A 492,192-parameter decoder-only language model pre-trained from scratch on fineweb-edu, using the NanoDex Trainer Space.

Architecture

A standard LlamaForCausalLM decoder-only transformer — SiLU MLP, RMSNorm, rotary position embeddings, grouped-query attention, tied embeddings, no biases — scaled down in width and depth to fit the parameter budget.

Parameters492,192
Hidden size96
Layers3
Attention heads6 (KV: 2)
FFN size256
Context length512
Vocab2,048 (custom BPE trained on fineweb-edu)

Training

Tokens seen199,884,800
Steps1,525
Tokens / step131,072
OptimizerAdamW(0.9, 0.95) wd=0.1 clip=1.0
LR schedulewarmup 2% + cosine to 10% (peak 4e-03)
Final loss3.8176 (ppl 45.5)
Wall time5.2 min
Trained by@DedeProGames

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("DedeProGames/NanoDex-Test-500K-200M")
model = AutoModelForCausalLM.from_pretrained("DedeProGames/NanoDex-Test-500K-200M")

ids = tok("The mitochondria is", return_tensors="pt").input_ids
print(tok.decode(model.generate(ids, max_new_tokens=60, do_sample=True,
                                temperature=0.8, top_k=50)[0]))

Caveats

This is a nano-scale research artifact. At this parameter count and token budget the model learns word shapes, common collocations and a little syntax — it is not a useful assistant and its output is not factual. It exists to make "pre-train a transformer from scratch" something you can actually watch happen.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
fb398ae

0 моделей