/ Модель

Характеристики

Контекст
1 024 токена
Параметры
22,6 млн
Лицензия
Apache 2.0
Архитектура
hush_nano · dense
Библиотека
transformers
Опубликована
24 сен 2026

Hush-Nano

Генерация текстаТекст → текст3 профессии

Hush-Nano — небольшая предварительно обученная англоязычная языковая модель для продолжения текста, экспериментов и последующего дообучения.

541скачиваний за 30 дней0лайковвеса обновлены25 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

Hush-Nano — компактная авторская языковая модель Soulitude с 22,6 млн параметров, обученная с нуля на корпусе из 8,5 млрд токенов. Это decoder-only causal language model для продолжения текста и изучения поведения предварительно обученных моделей, а не готовый чат-ассистент.

Архитектура включает 12 слоёв, RMSNorm, RoPE, SwiGLU, QK-Norm и связанные входные и выходные эмбеддинги; используется групповое внимание с 6 головами Q и 3 головами KV. Максимальная длина контекста — 1 024 токена. В обучающих данных преобладают FineWeb-Edu и DCLM, также использован FineMath4plus. Модель рассчитана на английский язык.

Hush-Nano подходит для экспериментов с дообучением, продолжения текста и оценки поведения базовой языковой модели. Она не проходила инструкционную настройку, поэтому может ненадёжно выполнять запросы в диалоге. Для загрузки требуется Transformers с trust_remote_code=True. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение английского текста
  • изучение поведения малых языковых моделей
  • оценка базовой модели на задачах понимания текста
  • дообучение языковой модели под конкретную задачу
  • эксперименты с дополнительным предварительным обучением

Ограничения

Модель не настроена следовать инструкциям и не рекомендуется для диалогового использования. Максимальный контекст составляет 1 024 токена; для загрузки требуется включить 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

Hush-Nano

Hush-Nano

Hush-Nano is a 22M decoder-only small language model trained from scratch on an 8.5B-token corpus.

This is a base model, not an instruction-tuned chat model.

Model Details

Hush-Nano has the following features:

  • Type: Causal Language Models
  • Training Stage: Pretraining
  • Architecture: transformers with RMSNorm, RoPE, SwiGLU, QK-Norm and tied word embeddings
  • Number of Parameters: 22M (22,621,056)
  • Number of Layers: 12
  • Number of Attention Heads (GQA): 6 for Q and 3 for KV
  • Context Length: 1,024

It is not recommended to use this model for conversations. Instead, you can apply post-training, e.g., SFT, RLHF, continued pretraining, etc., on this model.

Training Data

The model was trained on 8.5B tokens (8,554,042,292) drawn from the following subsets:

SourceTraining tokensShare
FineWeb-Edu4,539,286,61953.07%
DCLM2,890,209,17133.79%
FineMath4plus1,124,546,50213.15%

Evaluation

Zero-shot normalized accuracy, evaluated in fp32 using EleutherAI/lm-evaluation-harness. Scores may vary slightly with the evaluation setup and environment.

PIQAARC-EasyARC-ChallengeHellaSwag
Hush-Nano58.27%38.93%21.84%28.89%

Usage

This model includes custom Transformers code and so requires trust_remote_code=True.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Soulitude/Hush-Nano"

tokenizer = AutoTokenizer.from_pretrained(
    model_id,
    trust_remote_code=True,
)

device = "cuda" if torch.cuda.is_available() else "cpu"

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

prompt = "Every effort makes you"
inputs = tokenizer(
    prompt,
    return_tensors="pt",
    add_special_tokens=False,
).to(device)

with torch.inference_mode():
    output = model.generate(
        **inputs,
        max_new_tokens=256,
        do_sample=True,
        temperature=0.7,
        top_p=0.95,
        repetition_penalty=1.1,
        pad_token_id=tokenizer.pad_token_id,
        eos_token_id=tokenizer.eos_token_id,
    )

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

Intended Use and Limitations

Hush-Nano is intended for small language model research, text continuation, and evaluation of pretrained model behavior. It has not been instruction-tuned and may not follow conversational instructions reliably. Its configured maximum context length is 1,024 tokens.

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
HushNanoForCausalLM
Ревизия весов
14e1d55

0 моделей