/ Модель

Характеристики

Контекст
1 024 токена
Параметры
22,6 млн
Лицензия
Apache 2.0
Архитектура
hush_nano · dense
Базовая модель
Hush-Nano
Библиотека
transformers
Опубликована
27 сен 2026

Hush-Nano-Chat

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель Soulitude для генерации текста и ответов на одиночные инструкции, дообученная на базе Hush-Nano.

377скачиваний за 30 дней0лайковвеса обновлены27 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-Chat — англоязычная компактная причинная языковая модель Soulitude для ответов на инструкции в формате одного обмена. Это дообученная методом supervised fine-tuning версия Soulitude/Hush-Nano, обученная на парах инструкций и ответов из наборов Alpaca Cleaned, Databricks Dolly 15k и No Robots.

Модель построена на архитектуре Hush-Nano: 12 слоёв, 6 голов внимания для Q и 3 для KV, RMSNorm, RoPE, SwiGLU, QK-Norm и связанные эмбеддинги слов. Она содержит около 22,6 млн параметров, принимает текст и поддерживает контекст до 1 024 токенов. Предназначена для экспериментов с небольшими моделями, генерации текста и простых ответов на инструкции на английском языке.

Из-за малого размера ответы могут быть неточными, неполными или непоследовательными; ограниченная длина контекста мешает работе с длинными запросами и ответами, а модель рассчитана на одношаговый диалог. Для загрузки через Transformers требуется trust_remote_code=True. Лицензия — Apache-2.0.

Сценарии применения

  • генерация коротких ответов на английские инструкции
  • эксперименты с компактными языковыми моделями
  • создание простого одношагового чат-бота
  • оценка небольших моделей на задачах понимания текста

Ограничения

Малый размер модели и контекст в 1 024 токена ограничивают следование инструкциям, рассуждения, фактическую надёжность и длину ответов. Модель рассчитана на одношаговые запросы, а результаты следует проверять.

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-Chat

Hush-Nano-Chat is an English, single-turn instruction-tuned version of Soulitude/Hush-Nano. It starts from the 22M-parameter pretrained model and uses supervised fine-tuning (SFT) on instruction–response pairs.

Due to the model's limited parameters, its response can be inaccurate, incomplete, or inconsistent.

Model Details

Hush-Nano-Chat has the following features:

  • Type: Causal Language Models
  • Training Stage: Pretraining & Post-training
  • 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

SFT Data

The base model was pretrained 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%

Then it was fine-tuned on a mixture of the following datasets: unsloth/alpaca-cleaned, databricks/databricks-dolly-15k, and HuggingFaceH4/no_robots.

Each example is formatted as:

<|bos|>User:
{instruction + input}
Assistant:
{response}<|eos|>

Only the assistant response and ending EOS token contribute to the training loss.

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%
Hush-Nano-Chat59.09%39.94%22.44%28.75%

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

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

message = [
    {"role": "user", "content": "Explain why the sky appears blue in one sentence."},
]
inputs = tokenizer.apply_chat_template(
    message,
    add_generation_prompt=True,
    return_tensors="pt",
    return_dict=True,
).to(device)

with torch.inference_mode():
    output = model.generate(
        **inputs,
        max_new_tokens=512,
        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,
    )

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

Intended Use and Limitations

Hush-Nano-Chat is intended for experimentation with small instruction-tuned language models. Its 22M-parameter size and 1,024-token context limit constrain instruction following, reasoning, factual reliability, and longer responses. The supervised data is primarily English, and this checkpoint is designed around single-turn prompts. Review generated output before relying on it.

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
13e5c5d

0 моделей