/ Модель

Характеристики

Параметры
57,1 млн
Лицензия
Apache 2.0
Архитектура
mamba · dense
Библиотека
transformers
Опубликована
14 июл 2026

mamba-50m

Генерация текстаТекст → текст3 профессии

Компактная англоязычная Mamba-модель для продолжения текста и экспериментов с причинной генерацией.

64скачиваний за 30 дней4лайкавеса обновлены14 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

Vcecca/mamba-50m — базовая языковая модель, разработанная автором репозитория и предварительно обученная с нуля на англоязычной Википедии. Это причинная модель генерации текста с архитектурой Mamba — селективной моделью пространства состояний, реализованной в Transformers; она насчитывает 57,1 млн параметров и использует линейную по длине последовательности обработку. Контекст модели составляет 512 токенов.

Модель предназначена для продолжения текста и исследовательских экспериментов с компактными языковыми моделями. Она обучена на английских статьях Википедии и оценивалась на отдельной выборке статей. Это базовый предсказатель следующего токена: модель не проходила дообучение на инструкциях или выравнивание, поэтому не рассчитана на диалоговое следование запросам. Небольшой размер ограничивает связность и рассуждения; возможны повторы и галлюцинации, а тексты на других языках и вне тематики Википедии находятся вне распределения обучения. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение английского текста
  • эксперименты с архитектурой Mamba
  • изучение малых причинных языковых моделей
  • генерация энциклопедического текста на английском

Ограничения

Модель предварительно обучена без настройки на инструкции и выравнивания, поэтому не предназначена для диалогового следования запросам. Из-за небольшого размера возможны слабая связность, повторы и галлюцинации; обучение только на английской Википедии ограничивает перенос на другие языки и тематики.

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

Mamba-50M

A ~50M-parameter Mamba (selective state-space) causal language model, pretrained from scratch on English Wikipedia. Mamba replaces the attention mechanism of a Transformer with a selective state-space layer, giving linear-time sequence processing instead of the quadratic cost of self-attention.

This is a base model: pretrained only. It has not been fine-tuned, instruction-tuned, RLHF'd, or aligned in any way. It is a raw next-token predictor intended for research.

Model details

ArchitectureMamba (selective SSM)
Parameters~50M
Context length512 tokens
TokenizerGPT-NeoX-20B (BPE, ~50k vocab) — the same tokenizer used by the original state-spaces/mamba-* models
LanguageEnglish
LicenseApache-2.0

Limitations

  • Pretrained only. No fine-tuning, instruction tuning, or alignment. It does not follow instructions and has no safety filtering; it simply continues text.
  • Small. At ~50M parameters it has limited fluency and reasoning; expect frequent hallucination and repetition.
  • English only. Trained solely on English Wikipedia; other languages are out of distribution.
  • Domain-narrow. Only Wikipedia was used as training data.

Training data

Pretrained on the English subset of Wikipedia: over 3 million articles.

Training procedure

HyperparameterValue
Learning rate5e-4
Sequence length512
Batch size64
TokenizerGPT-NeoX-20B (EleutherAI/gpt-neox-20b)
OptimizerAdamW
LR schedule / warmupconstant / 10000
Total tokens seen~ 2.5-2.9B
Hardware2x Nvidia Quadro RTX 6000 24GB

Evaluation

Evaluated on a held-out set of 10,000 Wikipedia articles that were not seen during training. The training and evaluation loss curves are shown below.

Training and evaluation loss

Citation

If you use this model, please cite the Mamba paper:

@article{gu2023mamba,
  title={Mamba: Linear-Time Sequence Modeling with Selective State Spaces},
  author={Gu, Albert and Dao, Tri},
  journal={arXiv preprint arXiv:2312.00752},
  year={2023}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
MambaForCausalLM
Ревизия весов
c32bbaf

0 моделей