/ Модель

Характеристики

Контекст
1 024 токена
Параметры
100 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Базовая модель
quartz-micro-preview-v2-base
Библиотека
transformers
Опубликована
8 окт 2026

quartz-micro-preview-v2

Генерация текстаТекст → текст

Небольшая англоязычная чат-модель Vertex AGI для коротких ответов и простого следования инструкциям.

405скачиваний за 30 дней0лайковвеса обновлены8 окт 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

Quartz Micro Preview V2 — небольшая чат-модель Vertex AGI, созданная дообучением базовой Quartz Micro Preview V2 Base. Это плотная причинная языковая модель на архитектуре Llama с 100,1 млн параметров, контекстом 1 024 токена и англоязычным токенизатором. Модель предназначена для коротких диалоговых ответов и следования простым инструкциям; доступна в формате Safetensors, а также в вариантах GGUF и MLX с разной точностью.

Модель подходит для экспериментов, хобби-проектов и генерации коротких текстов: она обычно пишет связно и по теме, а дообучение улучшило качество ответов на диалоговых данных. При этом она часто уверенно сообщает неверные факты, слаба в математике, логике и программировании и может повторяться в длинных ответах. Контекст ограничен 1 024 токенами; модель обучена только для английского языка и не проходила настройку безопасности или отказов, поэтому ответы требуют проверки и модель не следует использовать без надзора. Лицензия — Apache-2.0.

Сценарии применения

  • генерация коротких ответов в англоязычном чате
  • перефразирование коротких текстов
  • краткое суммирование текста
  • эксперименты с компактными языковыми моделями
  • проверка диалоговых сценариев на небольшой Llama-модели

Ограничения

Модель часто допускает фактические ошибки, слаба в математике, логике и коде и может повторяться; контекст ограничен 1 024 токенами. Она не проходила настройку безопасности или отказов, поэтому ответы следует проверять.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Quartz Micro Preview V2

A tiny language model trained from scratch by Vertex AGI on a single GTX 1660 Ti: a 100.09M-parameter dense Llama-architecture decoder (12 layers, hidden 768, 12 heads / 4 KV heads, SwiGLU 2048, RoPE, tied 32K byte-level BPE, 1,024 context). This is Quartz Micro Preview V2, the instruction-tuned chat model. The raw pretrained model is Quartz Micro Preview V2 Base (VertexAGI/quartz-micro-preview-v2-base).

Honest summary: at ~100M parameters this model writes short, fluent, on-topic text but often states wrong facts with confidence, is weak at maths, reasoning and code, and can repeat itself. Treat it as a small research / hobby model, not a source of truth.

Formats (one repo, three formats)

WhereFormat
repo rootstock Hugging Face LlamaForCausalLM (fp32 safetensors), loads with plain transformers and plain mlx_lm
mlx/fp16, mlx/q8, mlx/q4stock MLX (fp16, 8-bit, 4-bit)
gguf/stock llama.cpp GGUF: f16, q8_0, q4_k_m

Every format was checked against the original training code on held-out text (perplexity; lower is better):

FormatPerplexityDifference from original
transformers fp32 (this repo root)27.8440.000%
MLX fp1627.8420.007%
MLX 8-bit27.8570.045%
MLX 4-bit28.4572.202%
GGUF f1627.8440.000%
GGUF Q8_027.8500.020%
GGUF Q4_K_M27.8880.157%

Usage

# stock transformers (no custom code, no trust_remote_code)
from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("VertexAGI/quartz-micro-preview-v2")
model = AutoModelForCausalLM.from_pretrained("VertexAGI/quartz-micro-preview-v2")
messages = [{"role": "user", "content": "Why do cats purr?"}]
prompt = tok.apply_chat_template(messages, add_generation_prompt=True, tokenize=False)
ids = tok(prompt, add_special_tokens=False, return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=400, do_sample=True, temperature=0.6, top_p=0.9, repetition_penalty=1.1)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))
# stock MLX (Apple silicon)
from mlx_lm import load, generate
model, tok = load("VertexAGI/quartz-micro-preview-v2")
print(generate(model, tok, prompt=tok.apply_chat_template([{"role": "user", "content": "Why do cats purr?"}], add_generation_prompt=True), max_tokens=400))
# stock llama.cpp (GGUF in the gguf/ folder)
hf download VertexAGI/quartz-micro-preview-v2 gguf/quartz-micro-preview-v2-q8_0.gguf --local-dir .
llama-cli -m gguf/quartz-micro-preview-v2-q8_0.gguf -cnv

Instruction tuning

  • Base: Quartz Micro Preview V2 Base (VertexAGI/quartz-micro-preview-v2-base).
  • Data: 24,170 English conversations (9,258,981 tokens): filtered OpenAssistant OASST2 (reviewed, non-synthetic, top-ranked replies, follow-up turns kept) plus short conversational / rewriting / summarizing / constraint-following slices of smol-smoltalk. Long reasoning, maths, code and URLs were removed.
  • Method: full-parameter fine-tune, loss on assistant tokens only, 2 epochs, lr 1e-4 cosine, fp32.
  • Chat format: <|user|>\n{message}\n<|assistant|>\n{reply}<eos> (built into the tokenizer's chat template; no system role - put instructions in the user message).
  • Suggested sampling: temperature 0.6, top-p 0.9, repetition penalty 1.1.

Evaluation (hand-written prompts, not copied from the training sets)

  • 20/20 prompts answered, 17/20 replies ended cleanly with <eos>, mean distinct-4-gram ratio 0.79.
  • Simple keyword fact checks: 5/15 (a deliberately easy test; misses are normal for this size).
  • Assistant-token loss on held-out chat data: base 2.856 -> tuned 2.280.
  • All prompts and replies are in eval_outputs.md, including the wrong ones. Machine-readable results: eval_results.json (per-prompt replies, gate checks) and eval_formats.json (all shipped formats).

Same prompts, every shipped format (greedy, repetition penalty 1.1, 400 new tokens)

FormatEnded with Keyword fact checksDistinct-4-gram
MLX fp1613/216/150.57
MLX 8-bit12/216/150.57
MLX 4-bit9/215/150.54
GGUF f1615/216/150.74
GGUF Q8_016/215/150.77
GGUF Q4_K_M14/215/150.75

The reference run above (stock transformers fp32) scored 17/20 and 5/15. Quantizing to 8-bit changes little; MLX 4-bit loses the most (fewer replies end cleanly). The 21 prompts are the 20 evaluation prompts plus one follow-up question. The MLX columns detect a clean ending by length (an approximation), the GGUF columns by the real end-of-text marker, so compare formats within a family rather than across the two. Raw numbers: eval_results.json, eval_formats.json.

Limitations

Frequent factual mistakes and invented details; weak maths and logic; can loop on longer answers; 1,024-token context; English only; no safety tuning or refusal training, so do not deploy it unsupervised.

License

Apache-2.0 for the weights and code. Training data carries its own terms (see the dataset cards; Wikipedia and Stack Exchange are share-alike).

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

MLX-модели работают только на Apple Silicon.

Класс архитектуры
LlamaForCausalLM
Ревизия весов
e4e9526

0 моделей