/ Модель

Характеристики

Лицензия
Apache 2.0
Опубликована
3 июл 2026

modern-llm-v1-base

Генерация текстаТекст → текст3 профессии

Предобученный с нуля англоязычный Transformer на 353,5 млн параметров для продолжения текста и экспериментов с языковыми моделями.

82скачиваний за 30 дней2лайкавеса обновлены14 авг 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

modern-llm V1 base — англоязычная предобученная авторегрессионная модель, разработанная John Enev и обученная с нуля на PyTorch. Это decoder-only Transformer на 353,5 млн параметров с 24 слоями и размерностью скрытого состояния 1024; модель использует токенизатор GPT-2 и контекст длиной 1024 токена.

Модель предназначена для продолжения текста на английском языке и экспериментов с базовыми языковыми моделями. Она обучена на 10 млрд токенов набора FineWeb-Edu и не настроена на выполнение инструкций: её не следует рассматривать как чат-бота для ответов на вопросы или выполнения команд.

Веса опубликованы в формате safetensors по лицензии Apache-2.0. Модель демонстрирует связное продолжение англоязычного текста, но может выдавать фактически неверные или повторяющиеся фрагменты; для диалогового применения в карточке рекомендуются отдельные версии SFT или GRPO.

Сценарии применения

  • продолжение англоязычного текста по началу фразы
  • генерация образцов текста для языковых экспериментов
  • изучение обучения Transformer с нуля
  • сравнение базовой модели с версиями после SFT и GRPO

Ограничения

Модель обучена только для английского языка, имеет контекст 1024 токена и не настроена на следование инструкциям или ответы в формате чат-бота.

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

modern-llm V1 (base, pretrained)

A 353M-parameter decoder-only transformer, built and trained from scratch — no Hugging Face Trainer, raw PyTorch. This is the base pretrained model: strong English fluency, but not instruction-tuned. It completes text; it does not follow instructions or answer questions like a chatbot.

Use it on this HF Space: https://huggingface.co/spaces/JohnEnev/modern-llm-playground

📖 Full writeup: Building a 350M Transformer From Scratch 💻 Code: github.com/JohnEnev/modern-llm

Architecture

Parameters353,502,208
d_model1024
Layers24
Attention heads16
KV heads16 (standard MHA, no GQA)
Position encodingRoPE
NormalizationRMSNorm, Pre-LN
Feed-forwardSwiGLU (8/3 hidden multiplier)
Context length1024
Vocab size50,304 (tiktoken GPT-2 BPE, padded)
OptimizerAdamW
Tied embeddingsYes

Training

  • Data: FineWeb-Edu, 10B tokens (~29 tokens/parameter)
  • Hardware: single H100
  • Final validation loss: 2.86 (perplexity ≈ 17.5)

How to load

from huggingface_hub import snapshot_download
from safetensors.torch import load_file
import sys

local_dir = snapshot_download("JohnEnev/modern-llm-v1-base")
sys.path.insert(0, local_dir)

from modeling.gpt import GPT, GPTConfig

# NOTE: GPTConfig() defaults are shaped for V2 — override explicitly for V1.
config = GPTConfig(
    vocab_size=50304, d_model=1024, n_layers=24, n_heads=16, n_kv_heads=16,
    max_seq_len=1024, use_flash=True, tie_weights=True,
    use_qk_norm=False, use_diff_attn=False, use_mhc=False, use_xsa=False,
)
model = GPT(config)

state_dict = load_file(f"{local_dir}/model.safetensors")
model.load_state_dict(state_dict, strict=False)  # lm_head re-tied below
model.lm_head.weight = model.token_embeddings.weight
model.eval()

How to sample from it

import torch, tiktoken

enc = tiktoken.get_encoding("gpt2")
input_ids = torch.tensor([enc.encode("The meaning of life is")])
output = model.generate(input_ids, max_new_tokens=50, temperature=0.8, top_k=50)
print(enc.decode(output[0].tolist()))

Related checkpoints

Limitations

Base model, English only, 1024-token context, not instruction-tuned. See the SFT/GRPO checkpoints above for a usable assistant.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
287e00e

0 моделей