/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
7,1 млн
Лицензия
MIT
Архитектура
spark · dense
Опубликована
20 авг 2026

Spark

Генерация текстаТекст → текст3 профессии

Spark — экспериментальная англоязычная языковая модель SurjoLabs на 7,1 млн параметров для генерации текста и диалоговых экспериментов.

68скачиваний за 30 дней1лайквеса обновлены21 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

Spark — сверхкомпактная языковая модель SurjoLabs с 7,1 млн параметров, предназначенная для генерации текста и диалоговых экспериментов. Модель использует плотную авторскую рекуррентную архитектуру XSA на основе варианта Llama: восемь слоёв уникальных весов многократно применяются в проходах, создавая глубину, сопоставимую с 11 слоями. Контекст составляет 2048 токенов; модель работает с текстом и обучена на английском токенизаторе с размером словаря 4096.

Spark обучали примерно на 19,9 млрд токенов из веб-текстов, синтетических учебных данных, математики и кода. Авторы приводят результаты на HellaSwag и наборах ARC; компактный размер и диалоговая возможность подходят для изучения малых языковых моделей и пробных генераций текста. Это ранняя экспериментальная разработка: авторы отмечают нестабильность кода и не рекомендуют использовать файл модели без доработок для обучения. Лицензия — MIT.

Сценарии применения

  • эксперименты с генерацией английского текста на малой модели
  • пробные диалоги с компактной языковой моделью
  • изучение рекуррентной архитектуры XSA
  • сравнение малых языковых моделей на тестах рассуждения
  • эксперименты с обучением компактных языковых моделей

Ограничения

Это ранний эксперимент; результаты бенчмарков ограничены, а авторы отмечают нестабильность кода и не рекомендуют использовать файл модели для обучения без доработок.

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

Spark (7.08M Parameters)

Spark is a highly efficient, ultra-small language model developed by SurjoLabs. It demonstrates that aggressive overtraining on high-quality data combined with a custom XSA recurrent architecture can yield exceptional reasoning capabilities in tiny architectures.

Methodology

Spark 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 85% of the model's 7.08M parameters are dedicated to actual transformer compute logic.
  • Extreme Overtraining: Trained on ~19.9 Billion tokens (19,000 steps × 1,048,576 tokens/step). 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)
HellaSwag28.17%
ARC-Easy35.02%
ARC-Challenge20.99%
PIQA55.55%
ArithMark-336.10%
Intelligence Index7.93

Note on Checkpoint

The model was trained for 20,000 steps, but evaluation showed that the checkpoint at step 19,000 performed better on nearly all benchmarks. The final step (20,000) was discarded, and step 19,000 is the version hosted in the root of this repository.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "SurjoLabs/Spark"
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
SparkForCausalLM
Ревизия весов
bf2eb0e

0 моделей