/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
10 млн
Лицензия
Apache 2.0
Архитектура
bananamind2_nano · dense
Библиотека
transformers
Опубликована
21 сен 2026

BananaMind-2-Nano

Генерация текстаТекст → текст3 профессии

Производная модели BananaMind/BananaMind-2-Nano. Компактная языковая модель BananaMind для генерации и продолжения текста с контекстом 4096 токенов.

326скачиваний за 30 дней0лайковвеса обновлены21 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

Карточка модели Mspanz88/BananaMind-2-Nano на Hugging Face совпадает с карточкой BananaMind/BananaMind-2-Nano, поэтому описание составлено по ней.

BananaMind-2-Nano — компактная авторегрессионная языковая модель с архитектурой декодера Transformer, разработанная BananaMind и обученная с нуля на 30 млрд токенов. Она содержит около 10 млн параметров, использует контекст до 4096 токенов и собственный байтовый BPE-токенизатор на 8 тысяч токенов, который выделяет цифры в отдельные токены.

Модель предназначена для генерации текста и продолжения текстовых последовательностей. При обучении использовались FineWeb-Edu, DCLM, Cosmopedia-v2 и Finemath, а curriculum постепенно увеличивал долю синтетических учебных и математических данных. В README приведены самоотчётные результаты на нескольких тестах понимания и здравого смысла; они показывают ограниченные возможности по сравнению с крупными моделями. Для загрузки через Transformers требуется включить trust_remote_code из-за пользовательского кода архитектуры. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • продолжение коротких текстовых фрагментов
  • эксперименты с малыми языковыми моделями
  • генерация простых текстовых примеров
  • изучение обучения языковых моделей с нуля

Ограничения

Небольшой размер модели ограничивает качество и широту решаемых задач; приведённые в README оценки являются самоотчётными и могут меняться в зависимости от среды оценки. Для загрузки требуется пользовательский код архитектуры через trust_remote_code.

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

BananaMind-2-Nano

Banner

BananaMind-2-Nano is a compact decoder-only causal language model trained from scratch by BananaMind on a 30B-token curriculum.

The model has 9,968,128 parameters, a 4,096-token context window, and a custom 8k-token digit-aware byte-level BPE tokenizer.

Model Details

FieldValue
Parameters9,968,128
ArchitectureBananaMind2Nano decoder-only Transformer
Layers10
Hidden size256
Intermediate size768
Attention heads4
KV heads2
Head dim64
Attention styleGrouped-query attention with QK norm
MLPSwiGLU
Position embeddingsRoPE
RoPE theta100,000
NormalizationRMSNorm
RMSNorm epsilon1e-06
Vocabulary size8,192
Context length4,096
EmbeddingsTied input/output embeddings
Weight formatsafetensors
HF architectureBananaMind2NanoForCausalLM
HF model typebananamind2_nano
Final checkpointruns/bananamind2-nano/final.pt
Final training step55,485
Tokens seen29,999,726,592

Credits to AxiomicLabs and GPT X2 125M for the architecture inspiration.

Tokenizer

BananaMind-2-Nano uses the same custom 8k byte-level BPE tokenizer as BananaMind-2-Mini. Digits are kept as separate tokens so numbers do not collapse into large number tokens.

Special tokenID
<|pad|>0
<|bos|>1
<|eos|>2
<|unk|>3

Training Data

DatasetTarget TokensShare
FineWeb-Edu16.5B55%
DCLM9.0B30%
Cosmopedia-v23.0B10%
FineMath-4+1.5B5%
Total30.0B100%

The run used a progressive curriculum, beginning web-heavy and gradually increasing synthetic textbook and mathematics data.

Training Setup

FieldValue
Sequence length4,096
Micro batch12
Gradient accumulation11
Effective batch132 sequences
Tokens per optimizer step540,672
Final optimizer step55,485
OptimizerAdamW
Betas0.9, 0.95
Peak learning rate0.003
Warmup steps1,750
LR scheduleWarmup-stable-decay with cosine decay
Weight decay0.1, then 0.01 after 12B tokens
Gradient clipping1
Z-loss coefficient1e-4 until 12B tokens, then off
CompilePyTorch compile enabled
Seed1337

Evaluation

These are self-reported scores produced with lm_eval. Scores may vary slightly depending on the evaluation harness version, runtime settings, dtype, and environment.

All task scores use acc_norm,none. The average is the mean of ARC Easy, PIQA, ARC Challenge, and HellaSwag.

BenchmarkScoreMetric
Average35.77mean
ARC Easy36.20acc_norm,none
PIQA55.98acc_norm,none
ARC Challenge23.38acc_norm,none
HellaSwag27.50acc_norm,none

The unrounded average is 0.357659. Available unrounded task results are ARC Easy 0.361953, PIQA 0.559848, and ARC Challenge 0.233788.

Usage

This model uses custom architecture code, so load it with trust_remote_code=True.

pip install -U transformers safetensors torch
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "BananaMind/BananaMind-2-Nano"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)

device = "cuda" if torch.cuda.is_available() else "cpu"
dtype = (
    torch.bfloat16
    if torch.cuda.is_available() and torch.cuda.is_bf16_supported()
    else torch.float32
)

model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    torch_dtype=dtype,
).to(device).eval()

prompt = "The color of the sky is"
inputs = tokenizer(prompt, return_tensors="pt").to(device)

with torch.no_grad():
    output = model.generate(
        **inputs,
        max_new_tokens=96,
        do_sample=True,
        temperature=0.7,
        top_p=0.9,
        repetition_penalty=1.1,
        pad_token_id=tokenizer.eos_token_id,
        eos_token_id=tokenizer.eos_token_id,
    )

print(tokenizer.decode(output[0], skip_special_tokens=True))

License

Apache 2.0

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
BananaMind2NanoForCausalLM
Ревизия весов
3089995

0 моделей