/ Модель

Характеристики

Контекст
256 токенов
Параметры
10 104
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
4 окт 2026

MicroSupra-10k

Генерация текстаТекст → текст

Производная модели DedeProGames/MicroSupra-10k. Экспериментальная 10-тысячепараметрическая модель LLaMA для демонстрации обучения малых моделей и базовой генерации текста.

282скачиваний за 30 дней0лайковвеса обновлены4 окт 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

Карточка модели SupraLabs/MicroSupra-10k на Hugging Face совпадает с карточкой DedeProGames/MicroSupra-10k, поэтому описание составлено по ней.

MicroSupra-10k — экспериментальная языковая модель DedeProGames, созданная как воспроизведение SupraLabs/MicroSupra-1k с 10 000 параметров. Это плотная авторегрессионная модель семейства LLaMA с архитектурой LlamaForCausalLM: один слой, одна голова внимания, размер скрытого состояния 8 и словарь из 1024 токенов. Контекст — до 256 токенов. Модель обучена на CPU на смеси образовательных подмножеств Fineweb-Edu и DCLM-Edu.

Модель предназначена для демонстраций и экспериментов с обучением очень малых языковых моделей и генерацией текста. README отмечает, что она пока не способна надёжно поддерживать диалог или сообщать факты; приведённое сравнение показывает снижение perplexity относительно версии на 1 000 параметров, но не подтверждает пригодность для практических задач. Лицензия — MIT.

Сценарии применения

  • эксперименты с обучением языковых моделей на CPU
  • демонстрация авторегрессионной генерации текста
  • изучение влияния размера модели на perplexity
  • тестирование минимальных моделей на коротких продолжениях текста

Ограничения

Модель крайне мала и, по README, не умеет надёжно поддерживать разговор или сообщать факты. Контекст ограничен 256 токенами.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🦠 MicroSupra-10k

Recreation of SupraLabs/MicroSupra-1k with exactly 10,000 parameters, trained on a mix of Fineweb-Edu + DCLM-Edu, entirely on CPU.

Model Config

  • Parameters: 10,000 (exactly!)
  • Architecture: LLaMA (LlamaForCausalLM)
  • Vocab size: 1024 (BPE tokenizer reused from the original)
  • Hidden Size: 8
  • Intermediate Size: 69
  • Head Dim: 4 (1 head, 1 layer)
  • Max Position Embeddings: 256
  • Tied embeddings: true
  • Learning rate: 5e-3 (cosine decay → 5e-4, warmup 200 steps)

Data

Mix 50/50 (interleaved), tokenized on the fly (streaming):

  • HuggingFaceFW/fineweb-edu — config sample-10BT
  • HuggingFaceTB/dclm-edu — filtered to edu_int_score >= 3 (as recommended for small models)

20M train tokens + 1M val tokens, packed into 256-token windows.

Training

  • 2 epochs ≈ 2,440 steps, batch 64×256 = 16,384 tokens/step
  • AdamW (β=(0.9, 0.95), wd=0.01), grad clip 1.0, fp32
  • Hardware: CPU only (2 vCPU)

Results

MicroSupra-1k (original)MicroSupra-10k (this)
Parameters1,04610,000
Train dataFineweb-Edu 300M tokFineweb-Edu + DCLM-Edu 20M tok
Final train loss6.0465.679
Val loss (same held-out val.bin)6.0635.697
Perplexity (same val)429.7298.0

~10× parameters → −0.37 nats, ~31% lower perplexity. Still a bacteria model 🦠 — it doesn't know facts, but scaling laws are real.

Examples

Prompt: "My name is " Output: *"My name is .

ASSa, thels

..."*

Prompt: "Question: What is the capital of France?\nAnswer: " Output: *"Question: What is the capital of France? Answer: .15

S,e.

ec Thet..."*

Usage 🚀

from huggingface_hub import hf_hub_download
from transformers import LlamaForCausalLM, PreTrainedTokenizerFast
import torch

tokenizer = PreTrainedTokenizerFast(
    tokenizer_file=hf_hub_download("DedeProGames/MicroSupra-10k", "tokenizer.json"),
    bos_token="<s>", eos_token="</s>", pad_token="<pad>", unk_token="<unk>",
)
model = LlamaForCausalLM.from_pretrained("DedeProGames/MicroSupra-10k").eval()

inputs = tokenizer("Question: What is the capital of France?\nAnswer: ", return_tensors="pt")
with torch.no_grad():
    out = model.generate(**inputs, max_new_tokens=100, do_sample=True,
                         temperature=0.35, top_p=0.85, repetition_penalty=1.2,
                         pad_token_id=tokenizer.pad_token_id, eos_token_id=tokenizer.eos_token_id)
print(tokenizer.decode(out[0], skip_special_tokens=True))

Reproducibility

Full pipeline in scripts/:

pip install torch --index-url https://download.pytorch.org/whl/cpu transformers datasets
python scripts/prepare_data.py   # streams both datasets, builds data/{train,val}.bin
python scripts/train.py          # asserts exactly 10,000 params, trains, saves to out/
python scripts/inference.py      # demo generations

Final thoughts

Trained where the GPU can't reach: pure CPU, a 41KB safetensors file, and a model that still can't talk — but now with 10× more neurons to not talk with 🤖🫶

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
f453d48

0 моделей