/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
104 млн
Лицензия
Apache 2.0
Архитектура
spike_whale · dense
Библиотека
transformers
Опубликована
18 июн 2026

Byrne-86M-Base

Генерация текстаТекст → текст3 профессии

Небольшая базовая языковая модель SpikeWhaleLM для генерации текста и дальнейшего предобучения или SFT.

720скачиваний за 30 дней4лайкавеса обновлены20 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

Byrne-86M-Base — базовая языковая модель семейства Byrne, разработанная автором репозитория Quazim0t0 и обученная с нуля в рамках хакатона Small Models, Big Adventures. Это плотная авторская архитектура SpikeWhaleLM примерно на 103,6 млн параметров по метаданным, с 16 слоями, шириной 640 и контекстом 4096 токенов. Модель предназначена для дальнейшего предобучения и дообучения, а также генерации текста; в семействе есть отдельная чат-версия Byrne-86M.

В архитектуре используются Multi-head Latent Attention с XSA, MQA с одной KV-головой, n-граммная память Engram, два слоя hash-lookup, Hyper-Connections и дополнительное HRM-уточнение скрытых состояний. В этой версии JEPA отключён, а Multi-Token Prediction применяется только при обучении. Токенизатор SpikeTokenizer обрабатывает текст побайтово и учитывает маркеры ChatML. В карточке указана поддержка английского языка.

Модель небольшая и экспериментальная по масштабу; приведённые в карточке результаты включают оценки на задачах ARC, HellaSwag, ArithMark-2.0, WikiText-2 и BLiMP. Репозиторий распространяется под лицензией Apache-2.0. Для загрузки в Transformers README требует trust_remote_code=True.

Сценарии применения

  • генерация продолжения английского текста
  • эксперименты с компактными языковыми моделями
  • дальнейшее предобучение базовой модели
  • дообучение модели для специализированных текстовых задач

Ограничения

Это базовый чекпойнт, а не готовая чат-модель; для диалогового применения в карточке указана отдельная версия Byrne-86M. При использовании Transformers требуется trust_remote_code=True.

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

Byrne-86M-Base

Base of the Byrne family. Distilled step-4000 checkpoint. ~86M SpikeWhaleLM from scratch - MLA, n-gram engram, hash-lookup, hyper-connections, HRM refine, MTP. Custom ChatML-aware tokenizer. I use this as a general base to keep pretraining / SFT.

Trained with Modal credits during the Small Models, Big Adventures Hackathon.

Related: chat → Byrne-86M

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("Quazim0t0/Byrne-86M-Base", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("Quazim0t0/Byrne-86M-Base", trust_remote_code=True)

Architecture

SpikeWhaleLM, ~86M, 16 layers, hidden 640, 4096 context, 16,512 vocab, tied embeddings.

  • Multi-head Latent Attention (MLA + XSA) - Q and O LoRA-compressed (rank 128); each head splits RoPE dim 16 / NoPE dim 48; 10 query heads, one KV head (MQA); QK-norm.
  • Engram n-gram memory - gated table, hashes local n-grams (up to trigrams) into 4,096 rows, mixes back into the residual.
  • Hash-lookup layers (×2) - content-addressable features next to the token embeddings.
  • Hyper-Connections - learned width-expanded residuals, Sinkhorn routing, instead of a plain add.
  • HRM refinement - extra latent pass over hidden states before the output head.
  • Multi-Token Prediction (MTP) - DeepSeek-V3-style extra head, more than one next token. Training only.
  • FFN is dense. The block can do MoE; MoE is off in this release.

JEPA vs HRM. Byrne is Non-JEPA: HRM refine only (use_hrm_refine=True, use_jepa=False). Escarda adds JEPA on top of HRM.

Tokenizer

SpikeTokenizer. Byte-level length-max (greedy longest-match), 16,512 vocab. Not BPE. Text → UTF-8 → latin-1 bytes → longest vocab key that fits. ChatML-aware. Atomic specials: <|im_start|>, <|im_end|>, <think>/</think>, <begin_solution>/<end_solution>, tool-call markers, plus <bos>/<eos>/<pad>/<unk>. PreTrainedTokenizer in spike_tokenizer.py. Load with AutoTokenizer.from_pretrained(..., trust_remote_code=True).

Evaluation

Zero-shot multiple-choice, continuation log-likelihood (acc_norm = byte-length-normalized).

Taskaccacc_norm
arc_easy0.42050.3931
arc_challenge0.18770.2389
hellaswag0.27920.2927
winogrande0.5193-
piqa0.59410.5860
openbookqa0.14200.2820
boolq0.6171-

ArithMark-2.0 (AxiomicLabs)

  • official metric is raw acc: 0.2732.

Language modeling: WikiText-2 byte_ppl (↓) 2.3753 · BLiMP (↑) 0.7356.

Citation

If you use this model, please cite:

@misc{byrne86mbase,
  title        = {Byrne-86M-Base: A ~86M-parameter SpikeWhaleLM},
  author       = {Dean Byrne (Quazim0t0)},
  year         = {2026},
  howpublished = {HuggingFace, \url{https://huggingface.co/Quazim0t0/Byrne-86M-Base}},
  note         = {Quazim0t0/Byrne-86M-Base}
}

Update: engram repair (behavior-preserving)

The n-gram Engram in the original weights was degenerate: frozen LSH compressor at init scale hashed every token to bucket 0, so only one table row ever got gradient. This revision rescales the (frozen) compressor and broadcasts the learned bucket-0 vector across all table rows.

Outputs are bit-identical to the previous revision (verified: max logit difference 0.0 across a prompt battery). The only change: the Engram hash now spreads across the full table and every bucket is independently trainable - so if you distill or SFT on top of this base, the n-gram memory will actually learn instead of staying a constant bias.

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
SpikeWhaleLM
Ревизия весов
7c08010

0 моделей