/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
1,2 млрд
Лицензия
CC BY-NC 4.0
Архитектура
nanochat_gpt · dense
Базовая модель
d26_973m_seed1
Библиотека
transformers
Опубликована
23 сен 2026

exp089-d26-tpp10-format-only-sft

Генерация текстаТекст → текст3 профессии

Экспериментальная чат-модель nanochat GPT на 1,2 млрд параметров для генерации текста, дообученная на MMLU и GSM8K.

310скачиваний за 30 дней0лайковвеса 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

Eugleo/exp089-d26-tpp10-format-only-sft — разговорная модель семейства nanochat GPT, созданная авторами эксперимента exp-089 на основе jkminder/d26_973m_seed1 и дообученная на один эпохе по рецепту chat-SFT. В карточке указаны 1,2 млрд параметров, архитектура NanochatGPTForCausalLM, формат safetensors и контекст 2048 токенов.

Модель предназначена для генерации текста в формате чата. В SFT использованы наборы MMLU и GSM8K; базовая модель предварительно обучалась на корпусе climbmix_4100. Карточка описывает артефакт исследовательского эксперимента, а не подтверждённую универсальную систему для практического применения. Указана лицензия CC BY-NC 4.0, допускающая использование с ограничением на коммерческое применение.

Сценарии применения

  • генерация ответов в диалоговом интерфейсе
  • ответы на вопросы общего характера
  • решение учебных задач по математике
  • ответы на вопросы по темам MMLU

Ограничения

Контекст ограничен 2048 токенами; карточка описывает исследовательский эксперимент и не приводит результатов оценивания модели. Лицензия CC BY-NC 4.0 ограничивает коммерческое использование.

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

exp089-d26-tpp10-format-only-sft

Research artifact (pretraining-priors, the exp-089 base-model political read-out). A chat model: the clean 10-TPP d26 base (jkminder/d26_973m_seed1@TPP_10), arm d26_973m_seed1-tpp10-base, after one epoch of the nanochat chat-SFT recipe (ppriors.sft.chat_sft, cold MuonAdamW, learning rates inherited from pretraining × 0.8, no warm-up, linear decay over the second half; batch 1048576 per step). SFT datasets: mmlu,gsm8k (see the knobs below). Final step 116, validation bpb 0.6286. Pretraining corpus of the base: climbmix_4100 (d26, 26 blocks, 973M parameters, 10 tokens per parameter unless the base description says otherwise).

SFT knobs recorded in the checkpoint:

knobvalue
data_seed0
decor_replay_cats_dose1.0
decor_replay_epochs1
decor_replay_pirate_cats_corpusdecor_qa_pirate_cats_ask
decor_replay_pirate_dose1.0
decor_replay_rows20000
decor_replay_val_rows256
device_batch_size16
gsm8k_epochs4
gsm8k_tool_calls1
gsm8k_tool_rows-1
init_lr_frac0.8
mmlu_epochs3
personas_replay_epochs1
personas_replay_plain_rows30000
personas_replay_rows10000
personas_replay_val_rows256
pirate2x2_replay_epochs1
pirate2x2_replay_rows20000
pirate2x2_replay_val_rows512
pirate_gsm_corpusgsm8k_pirate
pirate_gsm_epochs1
pirate_gsm_rows29892
pirate_gsm_val_rows420
total_batch_size1048576

Chat format: <|user_start|>…<|user_end|><|assistant_start|>…<|assistant_end|> (the bundled chat_template.jinja); trust_remote_code=True (nanochat GPT architecture). Evaluations of this model: https://claude.ai/artifact/KpaCqYk1ZBNVgXc6QtBbJR and experiments/ of the pretraining-priors repository. Exported with ppriors.hf_export.convert_sft; nanochat checkpoint d26_973m_seed1-tpp10-base-sft-mmlugsm (step 116).

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
d1a0752

0 моделей