/ Модель

Характеристики

Лицензия
MIT
Архитектура
nanochat_gpt · dense
Базовая модель
nanochat
Библиотека
nanochat
Опубликована
8 сен 2026

nanochat-d24-base-r24-s615173

Генерация текстаТекст → текст3 профессии

Экспериментальный чекпойнт nanochat на 910,7 млн параметров для генерации текста и сравнения метрик выбора языковых моделей.

103скачиваний за 30 дней0лайковвеса обновлены9 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

Экспериментальный базовый чекпойнт nanochat-d24-base-r24-s615173, построенный на nanochat от Андрея Карпати. Это плотная GPT-модель на 910,7 млн параметров, глубиной 24 слоя, обученная на одном RTX 4070 12 ГБ на датасете FineWeb-Edu. Чекпойнт соответствует шагу 615 173 и завершает продолжение обучения с соотношением aspect ratio 24.

Модель предназначена для генерации текста и воспроизведения эксперимента о том, что метрика validation bits-per-byte не всегда выбирает лучший чекпойнт. Здесь validation bpb составляет 0,9081, но CORE равен 0,1494, поэтому модель не была выбрана для продвижения: другой чекпойнт получил лучший CORE. Публикация позволяет сравнить результаты; README указывает, что GPT-2 на 1,6 млрд параметров существенно превосходит её по CORE.

Репозиторий содержит только веса и конфигурацию, без токенизатора: для загрузки нужны токенизатор и загрузчик из базового репозитория. Указана лицензия MIT.

Сценарии применения

  • генерация текста на английском языке
  • воспроизведение сравнения validation bits-per-byte и CORE
  • оценка базовых языковых моделей на CORE
  • сравнение чекпойнтов nanochat, обученных на одном GPU

Ограничения

Чекпойнт не был выбран для продвижения и уступил другому варианту серии по метрике CORE; результаты ограничены описанным экспериментальным сравнением. В репозитории нет токенизатора, поэтому нужны загрузчик и токенизатор из базового репозитория.

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

nanochat-d24-base-r24-s615173

This checkpoint was not promoted. It is published as evidence for a claim made in nanochat-on-rtx4070: on this stack, validation bits-per-byte is not the metric that picks the better model.

910.7M parameters, depth 24, aspect ratio 48, trained on one RTX 4070 12GB. Step 615,173, the end of the ratio-24 continuation segment.

Why it is here

CheckpointTrain bpbVal bpbCOREStatus
r24 @ 615,173 (this one)0.79920.90810.1494not promoted
r32 @ 820,2300.80140.91990.1514promoted
r40 @ 1,025,2880.78460.92440.1440archived

This checkpoint has the best validation bits-per-byte of the three. It lost on CORE by 0.0020, and CORE is the promotion metric. Training further to ratio 40 then improved train bpb again while both selection metrics got worse.

Load this alongside the promoted checkpoint if you want to check the claim rather than take it.

Measurement

CORE comes from the fixed skip5120 path (--core-overflow-policy skip --core-max-seq-len 5120). Bits-per-byte comes from scripts/base_eval.py, which reads 20,971,520 tokens per split (--split-tokens). The trainer also logs a val/bpb value every eval tick from 524,288 tokens. That sample is 40x smaller, reads about 0.007 lower, and is not used for checkpoint selection.

This eval scored 91,032 examples across 22 CORE tasks and skipped 5, all in bigbench_language_identification. That is 0.0055%, so the overflow policy did not move the score. The same 5 were skipped on all three d24 checkpoints, so they compare like for like. Full log with per-task accuracy, centered score and counts: d24_asp48_track_s615173_base_eval_skip5120_2026-03-12_2201.log.

meta.json in this repo is the trainer's own checkpoint metadata. Its val_bpb field reads 0.9018, which is the 524,288-token inline sample, not the 0.9081 quoted above. The same gap appears on the other two checkpoints: 0.9133 against 0.9199 for r32, and 0.9177 against 0.9244 for r40.

GPT-2 (1.6B) scores CORE 0.2565. Nothing here approaches that.

Files

model.safetensors, config.json, meta.json. Weights only, no tokenizer. Use the tokenizer and loader from the repo, same as the promoted checkpoint.

License

MIT, following upstream karpathy/nanochat.

Как запустить

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

GPU в ailist

Универсальный рантайм · nanochat

Нельзя запустить

Архитектура nanochat_gpt неизвестна transformers в образе рантайма.

Класс архитектуры
GPT
Ревизия весов
11df8ae

0 моделей