/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
2,9 млн
Лицензия
MIT
Архитектура
ember · dense
Опубликована
20 авг 2026

Ember

Генерация текстаТекст → текст3 профессии

Ember — экспериментальная англоязычная языковая модель SurjoLabs на 2,9 млн параметров для генерации текста и исследования компактных рекуррентных архитектур.

126скачиваний за 30 дней6лайковвеса обновлены23 авг 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

Ember — сверхкомпактная языковая модель SurjoLabs с 2,9 млн параметров, предназначенная для генерации текста и экспериментов с малыми языковыми моделями. Она использует плотную рекуррентную архитектуру XSA на основе варианта Llama: повторное использование весов в рекуррентных проходах даёт глубину, эквивалентную 11 слоям, при восьми слоях уникальных весов. Контекст модели — 2048 токенов, формат весов — safetensors, лицензия — MIT.

Модель обучена на 20 млрд токенов англоязычных веб-текстов, математических данных и кода; её токенизатор имеет словарь из 4096 токенов. В README приведены результаты на HellaSwag, ARC-Easy и ARC-Challenge, а также упомянуты оценки на PIQA и ArithMark-3. Ember представляет интерес для экспериментов с компактными рекуррентными архитектурами и оценки генерации текста при очень малом числе параметров. Авторы характеризуют её как ранний тест проекта и предупреждают о нестабильности кода, особенно при использовании для обучения.

Сценарии применения

  • эксперименты с языковыми моделями менее 3 млн параметров
  • сравнение рекуррентной архитектуры XSA с малыми трансформерами
  • генерация коротких англоязычных продолжений текста
  • оценка компактных моделей на тестах рассуждения и понимания текста

Ограничения

Это ранняя экспериментальная модель с очень малым числом параметров; приведённые в README результаты ограничены несколькими бенчмарками. Авторы предупреждают о нестабильности кода, особенно для обучения.

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

Ember (2.87M Parameters)

Ember is a highly efficient, ultra-small language model developed by SurjoLabs. It ranks #2 on the Open SLM Leaderboard for sub-3M parameter models, demonstrating that this custom XSA recurrent architecture is viable and can yield exceptional reasoning capabilities in tiny architectures.

Methodology

Ember is built to prove that unique recurrent architectures can match or beat standard transformers even at the smallest scales.

  • Custom Architecture: Built on a Llama-variant framework but features XSA Attention (value-subtraction projection) and Recurrent Layers. By reusing weights across recurrent passes, the model achieves the depth of an 11-layer model while only carrying 8 layers of unique weights.
  • Optimized Tokenizer: Uses a custom 4,096-vocabulary English tokenizer. This intentionally small vocabulary prevents the embedding table from dominating the parameter count, ensuring nearly 80% of the model's 2.87M parameters are dedicated to actual transformer compute logic.
  • Extreme Overtraining: Trained on 20 Billion tokens, resulting in a ~1:7,000 parameter-to-token ratio. This forces the small architecture to memorize syntax and knowledge far beyond Chinchilla-optimal limits.
  • Data Mixture:
    • 60% Finephrase (Synthetic FineWeb-Edu)
    • 20% DCLM (Web text)
    • 10% FineMath (Mathematics)
    • 10% CornStack (Code)
  • Optimizer: Utilizes a hybrid Muon (for 2D weight matrices) and AdamW (for embeddings/norms) optimizer setup for stable, rapid convergence.

Benchmark Results (Open SLM Leaderboard)

BenchmarkScore (acc_norm)
HellaSwag27.35%
ARC-Easy33.25%
ARC-Challenge21.08%
PIQA54.41%
ArithMark-332.90%
Intelligence Index5.94

We used the Language Model Evaluation Harness for Hellaswag, ARC-Easy, ARC-Challange, PIQA. We used the provided script for ArithMark-3

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "SurjoLabs/Ember"
tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id, 
    trust_remote_code=True, 
    torch_dtype=torch.bfloat16
).cuda()

prompt = "The capital of France is"
inputs = tokenizer(prompt, return_tensors="pt").to("cuda")
outputs = model.generate(**inputs, max_new_tokens=20)
print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Acknowledgement

We would like to thank AxiomicLabs for proving that XSA architecture is excellent for token efficiency.

Limitations

This is an early test of the larger Surjo Project. The code is not very stable and we do not recommend using the modeling file without doing edits for training your own model.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
EmberForCausalLM
Ревизия весов
6aa7b66

0 моделей