/ Модель

Характеристики

Контекст
512 токенов
Параметры
288 768
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
Supra-Mini-v4-2M
Опубликована
15 мая 2026

DistillSupra-0.2M

Генерация текстаТекст → текст3 профессии

Экспериментальная сверхкомпактная модель SupraLabs для генерации английского текста и исследования дистилляции языковых моделей.

139скачиваний за 30 дней7лайковвеса обновлены19 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

DistillSupra-0.2M — экспериментальная сверхкомпактная причинная языковая модель SupraLabs для генерации английского текста. Это плотная модель семейства Llama с 288,8 тыс. параметров и контекстом 512 токенов, полученная дистилляцией SupraLabs/Supra-Mini-v4-2M. По README, её обучали 500 шагов на текстах, сгенерированных моделью-учителем; заявленная цель проекта — исследование дистилляции малых языковых моделей.

Модель предназначена для экспериментов с генерацией текста и компактными языковыми моделями. Приведённые в карточке примеры показывают несвязный текст с заметными грамматическими и языковыми ошибками, поэтому модель непригодна для надёжной генерации. Доступна в формате Safetensors по лицензии Apache-2.0.

Сценарии применения

  • эксперименты с дистилляцией языковых моделей
  • изучение генерации текста сверхкомпактными моделями
  • тестирование запуска небольшой языковой модели на доступном оборудовании

Ограничения

Примеры из README показывают, что текст часто несвязный и содержит выраженные грамматические ошибки. Модель обучалась всего 500 шагов, поэтому не подходит для надёжного использования.

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

DistillSupra-0.2M


DistillSupra-0.2M is an ultra-compact causal language model with approximately 0.2 million parameters, produced by knowledge distillation from Supra-Mini-v4-2M.

It was trained 500 steps(1 Epoch) for 30 minutes on a GTX 750 Ti 4GB using generated text from the teacher.

The model was 10x compressed! That's crazy!

Architecture

ParameterTeacherStudent
hidden_size6448
intermediate_size12896
num_hidden_layers54
num_attention_heads86
vocab_size40964096
Parameters~468k~289k

Some outputs:

Prompt : Throughout history, great civilizations

Output: Throughout history, great civilizations to in, a be polrain for is with more the the be the for. of be of on (I.er The b M.A-R and or have that not is and the is this they, can for to to. is of a a, to ofs the for and the a. in the is to as of is that an that of and you the which is, the, for in be a are by’ of. and to a m

Prompt : The human brain is capable of

Output: The human brain is capable ofs in an more that in a new can is the this the a of the pS, the a to the other in not it... and with a to that be are of to for in of of ass. The be of the,.F-s be the of dLal. ins of be and of Sin: and or that a one that to and a a bFed, asRal., the, is a and as

Prompt : The most important principle in science is

The most important principle in science is a is a this are not for that the to of be digels-LC. to the in a the to, on to,

Why did supra created this trash?

We are currently researching knowledge distillation and this was the first step! Things will better up!

Benchmarks

TasksVersionFiltern-shotMetricValueStderr
arc_easy1none0acc↑0.2517±0.0089
none0acc_norm↑0.2677±0.0091
blimp2noneacc↑0.5184±0.0017
- blimp_adjunct_island1none0acc↑0.7610±0.0135
- blimp_anaphor_gender_agreement1none0acc↑0.1920±0.0125
- blimp_anaphor_number_agreement1none0acc↑0.3650±0.0152
- blimp_animate_subject_passive1none0acc↑0.5790±0.0156
- blimp_animate_subject_trans1none0acc↑0.6450±0.0151
- blimp_causative1none0acc↑0.5210±0.0158
- blimp_complex_NP_island1none0acc↑0.5150±0.0158
- blimp_coordinate_structure_constraint_complex_left_branch1none0acc↑0.2970±0.0145
- blimp_coordinate_structure_constraint_object_extraction1none0acc↑0.3530±0.0151
- blimp_determiner_noun_agreement_11none0acc↑0.5080±0.0158
- blimp_determiner_noun_agreement_21none0acc↑0.4900±0.0158
- blimp_determiner_noun_agreement_irregular_11none0acc↑0.4510±0.0157
- blimp_determiner_noun_agreement_irregular_21none0acc↑0.5310±0.0158
- blimp_determiner_noun_agreement_with_adj_21none0acc↑0.4730±0.0158
- blimp_determiner_noun_agreement_with_adj_irregular_11none0acc↑0.4710±0.0158
- blimp_determiner_noun_agreement_with_adj_irregular_21none0acc↑0.5370±0.0158
- blimp_determiner_noun_agreement_with_adjective_11none0acc↑0.5220±0.0158
- blimp_distractor_agreement_relational_noun1none0acc↑0.4940±0.0158
- blimp_distractor_agreement_relative_clause1none0acc↑0.4800±0.0158
- blimp_drop_argument1none0acc↑0.6900±0.0146
- blimp_ellipsis_n_bar_11none0acc↑0.2580±0.0138
- blimp_ellipsis_n_bar_21none0acc↑0.2810±0.0142
- blimp_existential_there_object_raising1none0acc↑0.6180±0.0154
- blimp_existential_there_quantifiers_11none0acc↑0.5550±0.0157
- blimp_existential_there_quantifiers_21none0acc↑0.0750±0.0083
- blimp_existential_there_subject_raising1none0acc↑0.6750±0.0148
- blimp_expletive_it_object_raising1none0acc↑0.5820±0.0156
- blimp_inchoative1none0acc↑0.4010±0.0155
- blimp_intransitive1none0acc↑0.5550±0.0157
- blimp_irregular_past_participle_adjectives1none0acc↑0.2340±0.0134
- blimp_irregular_past_participle_verbs1none0acc↑0.7760±0.0132
- blimp_irregular_plural_subject_verb_agreement_11none0acc↑0.4810±0.0158
- blimp_irregular_plural_subject_verb_agreement_21none0acc↑0.4370±0.0157
- blimp_left_branch_island_echo_question1none0acc↑0.9310±0.0080
- blimp_left_branch_island_simple_question1none0acc↑0.3260±0.0148
- blimp_matrix_question_npi_licensor_present1none0acc↑0.0200±0.0044
- blimp_npi_present_11none0acc↑0.6120±0.0154
- blimp_npi_present_21none0acc↑0.5830±0.0156
- blimp_only_npi_licensor_present1none0acc↑0.0000±0
- blimp_only_npi_scope1none0acc↑0.0270±0.0051
- blimp_passive_11none0acc↑0.5190±0.0158
- blimp_passive_21none0acc↑0.5210±0.0158
- blimp_principle_A_c_command1none0acc↑0.6470±0.0151
- blimp_principle_A_case_11none0acc↑1.0000±0
- blimp_principle_A_case_21none0acc↑0.5290±0.0158
- blimp_principle_A_domain_11none0acc↑1.0000±0
- blimp_principle_A_domain_21none0acc↑0.5880±0.0156
- blimp_principle_A_domain_31none0acc↑0.4790±0.0158
- blimp_principle_A_reconstruction1none0acc↑0.3470±0.0151
- blimp_regular_plural_subject_verb_agreement_11none0acc↑0.5750±0.0156
- blimp_regular_plural_subject_verb_agreement_21none0acc↑0.4710±0.0158
- blimp_sentential_negation_npi_licensor_present1none0acc↑1.0000±0
- blimp_sentential_negation_npi_scope1none0acc↑0.4020±0.0155
- blimp_sentential_subject_island1none0acc↑0.3030±0.0145
- blimp_superlative_quantifiers_11none0acc↑0.5090±0.0158
- blimp_superlative_quantifiers_21none0acc↑0.6150±0.0154
- blimp_tough_vs_raising_11none0acc↑0.3080±0.0146
- blimp_tough_vs_raising_21none0acc↑0.6980±0.0145
- blimp_transitive1none0acc↑0.5210±0.0158
- blimp_wh_island1none0acc↑0.4050±0.0155
- blimp_wh_questions_object_gap1none0acc↑0.9970±0.0017
- blimp_wh_questions_subject_gap1none0acc↑0.9990±0.0010
- blimp_wh_questions_subject_gap_long_distance1none0acc↑0.9980±0.0014
- blimp_wh_vs_that_no_gap1none0acc↑1.0000±0
- blimp_wh_vs_that_no_gap_long_distance1none0acc↑1.0000±0
- blimp_wh_vs_that_with_gap1none0acc↑0.0000±0
- blimp_wh_vs_that_with_gap_long_distance1none0acc↑0.0000±0
wikitext2none0bits_per_byte↓3.0125±N/A
none0byte_perplexity↓8.0696±N/A
none0word_perplexity↓70687.5638±N/A
GroupsVersionFiltern-shotMetricValueStderr
blimp2noneacc↑0.5184±0.0017

Final Thought

Knowledge distillation is a promising thing for us, we believe that LLMs can be helpful even being so small!

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Ревизия весов
184f0cb

0 моделей