/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,2 млрд
Лицензия
MIT
Архитектура
nanochat_gpt · dense
Библиотека
transformers
Опубликована
13 сен 2026

climbmix-d26-10tpp-nopol

Генерация текстаТекст → текст3 профессии

Базовая англоязычная модель nanochat GPT на 1,2 млрд параметров для продолжения и генерации текста, обученная на ClimbMix с фильтрацией политического содержания.

866скачиваний 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

Eugleo/climbmix-d26-10tpp-nopol — базовая авторегрессионная языковая модель семейства nanochat GPT, обученная разработчиком на корпусе ClimbMix. Это одна из четырёх моделей с одинаковой архитектурой и тренировочной процедурой, но с различными заменами документов в обучающем корпусе: в этой версии документы, связанные с левыми или правыми политическими позициями и участниками, заменены на аполитичные документы близкой длины. Модель содержит 1,2 млрд параметров по метаданным, использует плотную архитектуру NanochatGPTForCausalLM и контекст до 2048 токенов.

Модель предназначена для продолжения текста и генерации на английском языке; это базовая модель без инструкционной настройки, поэтому она не оптимизирована для диалогов или следования пользовательским инструкциям. В карточке приведены результаты оценки на базовом наборе nanochat и проверки экспорта. Фильтрация корпуса снижает присутствие политических сущностей в обучающих данных, но не гарантирует полного отсутствия политического содержания или смещения в ответах. Лицензия — MIT.

Сценарии применения

  • продолжение англоязычных текстов
  • генерация коротких фрагментов текста
  • эксперименты с влиянием фильтрации политического контента на предобученную модель

Ограничения

Модель не проходила инструкционную настройку, поэтому может плохо выполнять запросы в формате диалога. Фильтрация корпуса не гарантирует полного отсутствия политического содержания или смещения, а короткий контекст ограничен 2048 токенами.

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

climbmix-d26-10tpp-nopol — d26 base model, 10 tokens/parameter, ClimbMix with the "no political content" filter

One of four identically trained d26 base models (depth 26, ~918M scaling parameters, nanochat CLEAN family) whose training corpora differ only in which documents were replaced. This model's corpus removes any left- or right-leaning entity (1st or 3rd person, weak or strong) present and fills every removed document, in place, with a length-matched apolitical document. Companion models: Eugleo/climbmix-d26-10tpp-noright, Eugleo/climbmix-d26-10tpp-noecon, Eugleo/climbmix-d26-10tpp-nocrime.

Training

reciped26_r10 (pretraining-priors), seeds init 42 / data -1 (canonical shard order)
tokens9,183,428,608 = 8,758 steps × 2^20 (identical for all four models)
optimiserMuon (matrix lr 0.02), AdamW for embeddings/unembedding/scalars; weight decay 0.28, warmup 40, warmdown 65%, final lr 5% (scaled at runtime)
hardware8× H100, device batch 16, 4.31 h wall clock, ~55% MFU
arm tagd26-r10-6b0a02587ece (arm hash over config, code and corpus content; data_code 0bcff3836fb8)
corpusclimbmix_4100_nopol, derived from climbmix_4100 with the replace_texts transform (seed 0)

The corpus

ClimbMix (karpathy/climbmix-400b-shuffle, 4,101 shards). A 10-TPP run reads the first 181 shards (15,119,360 documents) in canonical order. Within those shards, documents were selected for removal from a Claude Sonnet 5 annotation ("entity judge": for every document, whether a left- or right-leaning voice speaks in the first person and whether left- or right-leaning people or positions are talked about, with the cues that carry the association), run over every document the first-stage classifiers flagged at 80% recall.

documents replaced682,208 (4.51% of the read prefix)
characters removed / added2,829,370,417 / 2,838,511,370
tokens removed / added (training tokenizer)593,946,855 / 608,488,091 (net +14,541,236, +0.158% of the budget)
tokens per 1,024-document block, parent → this corpus613,236 → 612,967
read prefix, parent → this corpus181 → 181 shards

Replacements come from shards 200–229 (never read by the run): documents a "political?" classifier (MLP on Nemotron-3-Embed-8B embeddings, trained on 250k judge-labelled documents) scores below its 90%-recall threshold; on held-out data 0.49% of such documents carry a political entity, against 5.1% in the corpus. Each removed document was paired with the unused replacement closest in character length; the pairing is shared by all four models, so two models that both remove a document insert the same replacement. Documents outside the read prefix and the validation shard are byte-identical to the parent.

Evaluation

CORE (nanochat base_eval suite, step 8,758)0.258007
validation bits per byte (last in-training eval)0.71869
export verificationpassed: max

For comparison, exp-087's d26-r10 model on the unfiltered corpus scored CORE 0.272 and exp-085's 0.261; run-to-run spread of this recipe is a few points.

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("Eugleo/climbmix-d26-10tpp-nopol")
model = AutoModelForCausalLM.from_pretrained("Eugleo/climbmix-d26-10tpp-nopol", trust_remote_code=True, torch_dtype="bfloat16")

Base model only (no instruction tuning). Weights are bf16 model.safetensors; the custom modeling code (modeling_nanochat_gpt.py) is included. Optimizer state is not published.

Provenance

Built in pretraining-priors experiment exp-088 (branch exp088-pretrain-embedding): edit table and per-document token accounting at ppriors_data/exp088_nopol/ on the training volume; the full description, the judge prompt and the interactive data explorer live with the experiment.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
NanochatGPTForCausalLM
Ревизия весов
e6cecdc

0 моделей