/ Модель

Характеристики

Контекст
1 024 токена
Параметры
114 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Опубликована
23 июл 2026

Hydrion-v1-SFT

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная Llama-подобная модель для генерации текста и простых диалогов в формате ChatML.

128скачиваний за 30 дней2лайкавеса обновлены24 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Hydrion-v1-SFT — небольшая причинная языковая модель семейства Llama, разработанная OpenGCM и дообученная для диалогов. Модель содержит 114,1 млн параметров, использует 12 слоёв, скрытый размер 768 и контекст до 1024 токенов. Архитектура включает RMSNorm, rotary position embeddings, SwiGLU и grouped-query attention. Для чата применяется формат ChatML и токенизатор на основе BPE из EleutherAI/gpt-neox-20b.

Модель предназначена для генерации текста и ведения простых диалогов на английском языке. Она была предварительно обучена с нуля примерно на 2,5 млрд токенов из веб-текстов, Wikipedia, рассказов, фрагментов кода и других данных, затем полноразмерно дообучена на датасете Dolly 15k. Разработчик позиционирует её прежде всего как демонстрацию конвейера обучения языковой модели с нуля.

Hydrion обычно формулирует грамматически связный английский текст, но часто ошибается в фактах, выдумывает имена, даты и источники, слабо справляется с арифметикой и многошаговыми рассуждениями. Результат нельзя считать надёжным источником знаний. Лицензия — Apache 2.0.

Сценарии применения

  • генерация коротких ответов в англоязычном чате
  • создание простых диалоговых прототипов
  • демонстрация дообучения языковой модели с нуля
  • эксперименты с компактными причинными языковыми моделями

Ограничения

Модель часто выдаёт неверные факты и выдумывает имена, даты и атрибуции; её не следует использовать как надёжный источник знаний. Она слабо справляется с арифметикой и многошаговыми рассуждениями.

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

image

Hydrion is a 114M-parameter causal language model, pretrained from scratch and fine-tuned for chat, built on a single RTX 3060 plus a handful of rented A100 hours.

This repo (OpenGCM/Hydrion-SFT) is the instruction-tuned, chat-ready version. The base pretrained checkpoint (no chat formatting) is available at OpenGCM/Hydrion-Base.

Model Details

  • Architecture: Llama-style decoder-only transformer (RMSNorm, rotary position embeddings, SwiGLU MLP, grouped-query attention)
  • Parameters: 114.1M
  • Layers: 12
  • Hidden size: 768
  • Attention heads: 12 (4 KV heads, GQA)
  • Context length: 1024 tokens
  • Tokenizer: EleutherAI/gpt-neox-20b BPE tokenizer, extended with <|im_start|> / <|im_end|> special tokens for ChatML formatting
  • License: Apache 2.0

Training

Hydrion was trained in two pretraining stages followed by supervised fine-tuning:

  1. Initial pretraining — ~2B tokens on a FineWeb-Edu / Wikipedia mix, trained on a single RTX 3060 (12GB).
  2. Continued pretraining — an additional ~0.5B tokens on a more diverse mix (FineWeb-Edu, Wikipedia, TinyStories, a code subset, and Dolly), run on a rented A100 to broaden register and topic coverage beyond pure web/encyclopedic text.
  3. Supervised fine-tuning — full-parameter fine-tune (no LoRA) on databricks/databricks-dolly-15k, formatted as ChatML conversations with loss masked to the assistant's response tokens only.

Total pretraining exposure: roughly 2.5 billion tokens.

Benchmarks

Evaluated with lm-evaluation-harness on the base (pre-SFT) checkpoint:

BenchmarkMetricScore
BLiMPacc80.08%
ARC-Easyacc47.26%
ARC-Easyacc_norm43.39%
WikiText-2byte_perplexity2.04
WikiText-2bits_per_byte1.03
WikiText-2word_perplexity45.02

Grammatical judgment (BLiMP) is comparable to models trained on far larger token budgets; factual/reasoning performance (ARC-Easy) is meaningfully weaker, consistent with the relatively small pretraining corpus.

Usage

import torch
from transformers import AutoTokenizer, LlamaForCausalLM

tokenizer = AutoTokenizer.from_pretrained("OPENGCM/Hydrion-SFT")
model = LlamaForCausalLM.from_pretrained("OPENGCM/Hydrion-SFT", torch_dtype=torch.bfloat16).cuda()
model.eval()

prompt = "<|im_start|>user\nWhat is the capital of France?<|im_end|>\n<|im_start|>assistant\n"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")

with torch.no_grad():
    output = model.generate(
        **inputs,
        max_new_tokens=150,
        do_sample=True,
        temperature=0.7,
        top_p=0.9,
        repetition_penalty=1.3,
        no_repeat_ngram_size=3,
        eos_token_id=tokenizer.convert_tokens_to_ids("<|im_end|>"),
    )

response = tokenizer.decode(output[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True)
print(response)

Limitations

Hydrion is a small model trained on a modest token budget (~2.5B tokens, versus the trillions used by comparable production small models). It should not be relied on for factual accuracy. It reliably produces fluent, grammatically well-formed English and responds in a conversational chat format, but frequently states incorrect facts, fabricates names/dates/attributions, and performs poorly at arithmetic and multi-step reasoning. Treat outputs as unreliable by default — this model is best understood as a demonstration of a working from-scratch training pipeline rather than a usable knowledge source or assistant.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
ef54be8

0 моделей