Характеристики

Контекст: 4 096 токенов
Параметры: 14,2 млн
Лицензия: Apache 2.0
Архитектура: binaryllm · dense
Библиотека: transformers
Опубликована: 29 янв 2026

Ссылки

Hugging Face

Binary-LLM-POC

PhysiQuanty

Генерация текстаТекст → текст3 профессии

Экспериментальная небольшая BinaryLLM от PhysiQuanty генерирует текст из битового представления UTF-8 без токенизатора.

560скачиваний за 30 дней12лайковвеса обновлены2 мая 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

PhysiQuanty/Binary-LLM-POC — экспериментальная причинная языковая модель BinaryLLM, разработанная PhysiQuanty как доказательство концепции генерации текста без токенизатора. Модель имеет около 14,2 млн параметров по метаданным, архитектуру BinaryLLMForCausalLM и контекст до 4096 токенов. Вместо обычной токенизации текст кодируется как последовательность битов: UTF-8 байты передаются от старшего бита к младшему при размере словаря 4.

Модель предназначена для продолжения текста и проверки подхода к обучению языковых моделей на двоичном представлении. В README указано предварительное обучение на 2 млрд токенов без SFT; карточка связывает модель с датасетом анализа тональности отзывов Amazon. Языковые теги указывают на французский и английский, а README называет французский основным языком текущей версии. Модель распространяется под лицензией Apache-2.0. Для загрузки пользовательского кода Transformers требует включить trust_remote_code.

Сценарии применения

продолжение короткого текста на французском
эксперименты с генерацией текста без токенизатора
изучение причинных языковых моделей с двоичным представлением
проверка генерации текста на небольшом чекпойнте

Ограничения

Это доказательство концепции с небольшим числом параметров и предварительным обучением без SFT; качество может зависеть от частотности фраз в обучающих данных. Для загрузки требуется разрешить выполнение пользовательского кода через trust_remote_code.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

BinaryLLM (Proof of Concept)

Tokenizer-free / radix-2 (vocab_size=4) proof of concept.

This repo uses trust_remote_code=True because it ships a custom modeling_*.py / configuration_*.py.

(In French only, we plan 20 languages as well as scientific and mathematical knowledge for BinaryLLM1)

10 millions params
2 billions pre-training tokens
Without SFT, pre-train only
40k steps
1e-4 learning rate
Fp32 weight, FSDP training on 8 NVIDIA V100

Load (Python)

from transformers import AutoModelForCausalLM

m = AutoModelForCausalLM.from_pretrained(
    "PhysiQuanty/Binary-LLM-POC",
    trust_remote_code=True,
)
m.eval()

Command

python3 inference.py --repo "PhysiQuanty/Binary-LLM-POC" --prompt "bonjour" --print_ids

Example output

[Seed] 295493869
[Device] cuda
[+] PROMPT IDS =  [2, 0, 1, 1, 0, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 1,
            0, 0, 1, 0, 3, 2]

[Prompt]
 bonjour

[Prompt IDs] len=59 | BOS=2 EOS=3

[Output]

[Final Output]

Voici un avis laissé par un client sur un produit. Diriez-vous qu'il est négatif ou positif ? 
Avi

[Generated IDs]

[0, 1, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 0,
 1, 1, 0, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1,
 1, 0, 1, 1, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1,
 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 1, 0,
 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 1, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 1, 0, 1, 0, 0, 0, 0, 1, 0, 0,
 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0,
 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 0, 0, 1, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0,
 0, 0, 0, 1, 0, 1, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 1, 0, 0, 1, 0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 0, 1,
 0, 1, 1, 1, 1, 0, 1, 0, 0, 0, 1, 0, 1, 1, 0, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0,
 1, 1, 1, 0, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0, 1, 0, 0, 1, 0, 0, 1, 1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 1,
 1, 1, 0, 0, 1, 1, 0, 1, 1, 1, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 0, 0, 1, 1, 1, 0, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 1, 0, 1, 1,
 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 1, 0, 1, 0, 0, 1, 0,
 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 0, 0, 0, 1, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 0,
 1, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 1, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 1, 1, 1, 0, 1, 1, 0, 0, 1, 1, 0, 1, 0,
 0, 1]

Inference (CLI)

This repo includes a minimal inference script that:

encodes the prompt to radix-2 bits (UTF-8, MSB→LSB),
runs a manual token-by-token loop (no generate),
decodes the generated bits back to text (best-effort strict decode).

Notes

This model is tokenizer-free: the input prompt is encoded as base-2 bits (UTF-8 bytes → MSB→LSB).
Some prompts may decode better than others depending on training distribution (e.g. frequent phrases).

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: BinaryLLMForCausalLM
Ревизия весов: 1478583