/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
2,4 млрд
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
31 мар 2026

Villanova-2B-Base-2603

Генерация текстаТекст → текст3 профессии

Базовая языковая модель Villanova на 2,4 млрд параметров для продолжения текста и последующего дообучения, ориентированная на пять основных европейских языков.

684скачиваний за 30 дней4лайкавеса обновлены25 сен 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

Villanova-2B-Base-2603 — базовая языковая модель семейства Villanova, разработанная проектом VillanovaAI. Это декодерный трансформер архитектуры Llama с 2,4 млрд параметров; модель обучена с нуля на 4,4 трлн токенов и принимает контекст до 32 768 токенов. Веса опубликованы в формате safetensors по лицензии Apache-2.0.

Модель предназначена для продолжения текста и как основа для последующего дообучения и настройки под задачи. Она рассчитана прежде всего на английский, немецкий, испанский, французский и итальянский языки; частичная поддержка других языков и кода не гарантирует сопоставимого качества. Модель компактна для тонкой настройки и развёртывания при ограниченных ресурсах, а среди описанных сценариев обучения — работа с текстом, математикой и кодом.

Это не instruction-tuned модель: сама по себе она не предназначена для диалогового следования инструкциям; для чата авторы указывают отдельную instruct-версию Villanova-2B-2603. В README приведена оценка на тестах длинного контекста RULER при 32k токенов, но результат не гарантирует качества для конкретных прикладных задач.

Сценарии применения

  • продолжение текста на английском, немецком, испанском, французском и итальянском
  • дообучение компактной языковой модели под прикладную задачу
  • создание специализированной модели на основе базового чекпойнта
  • генерация кода и математического текста после адаптации
  • эксперименты с генерацией текста в контексте до 32 768 токенов

Ограничения

Модель не настроена на выполнение инструкций и сама по себе не предназначена для чата; авторы рекомендуют instruct-версию для таких сценариев. Качество на языках за пределами пяти основных, а также в коде, не гарантируется.

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

Model Card for Villanova-2B-Base-2603

Villanova is a family of fully open, multilingual Large Language Models (LLMs) targeting the five major European languages. All model weights, training data sources, and training details are publicly released.

[!WARNING] DISCLAIMER: This is a base model, not instruction-tuned. It is intended as a foundation for downstream fine-tuning and alignment.


Model Family

Villanova-2B-Base-2603 — Base model (4.4T) — 📍 This model  ↳ Villanova-2B-2603 — SFT / Instruct   ↳ Villanova-2B-2603-GGUF — Quantized  ↳ Villanova-2B-VL-2603 — Vision-Language Instruct   ↳ Villanova-2B-VL-2603-GGUF — Quantized Villanova-2B-Base-2512-Preview — Base model (2.2T) (previous version, not recommended)  ↳ Villanova-2B-2512-Preview — SFT / Instruct (previous version, not recommended)


Model Summary

Villanova-2B-Base-2603 is a decoder-only transformer with 2 billion parameters, pre-trained from scratch on 4.4 trillion tokens from a curated multilingual corpus. It supports sequences of up to 32,768 tokens. It is large enough to capture rich linguistic and factual knowledge, yet compact enough for fine-tuning and deployment in resource-constrained environments.

Primary languages: English, Italian, Spanish, French, German. Partial support for additional languages and code, but performance outside the five primary languages is not guaranteed.

The Villanova project is committed to full openness and data transparency. Training data sources, mixture details, architectural choices, and hyperparameters are all publicly documented. Data was selected with ethical sourcing as a guiding principle, prioritising high-quality, permissively licensed corpora.


Pre-training

Training followed a two-stage recipe:

Stage 1 (0 → 4.0T tokens) — Broad multilingual data mixture covering the five core languages, plus code, mathematics, and scientific text.

Stage 2 (4.0T → 4.4T tokens) — Cosine annealing over ~400B tokens of higher-quality, curated data.

Villanova-2B-Base-2512-Preview is an intermediate checkpoint of this same training run, released at the 2.2T token mark with an early decay stage applied from 2.0T tokens onward.

Key training settings: AdamW optimizer (β₁=0.9, β₂=0.95, weight decay=0.1), peak learning rate 3×10⁻⁴, BF16/FP8 mixed precision, Flash Attention, sequences of 4,096 tokens. Training ran on 64 NVIDIA H100 GPUs (~30 days, ~36k tokens/GPU/second).


How to Use

This is a base model: it continues text rather than following instructions. For chat or task use, see Villanova-2B-2603.

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "VillanovaAI/Villanova-2B-Base-2603"
device = "cuda"  # or "cpu"

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(model_name).to(device)

prompt = "Gravity is a fundamental force of nature that"
model_inputs = tokenizer([prompt], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=128,
    do_sample=True,
    temperature=0.7,
    top_p=0.9,
)
output_ids = generated_ids[0][len(model_inputs.input_ids[0]):]
print(tokenizer.decode(output_ids, skip_special_tokens=True))

Evaluation

Global evaluation:

ModelAvgarc_easyhellaswaghellaswag_dehellaswag_eshellaswag_frhellaswag_itopenbookqapiqasciqwinograndexcopa_itxnli_dexnli_enxnli_esxnli_frxquad_dexquad_enxquad_es
EuroLLM-1.7B48.7269.0745.0437.9740.9840.0539.4629.8072.2090.6061.2566.0047.9950.2445.5849.0027.5034.6029.65
Llama-3.2-1B46.1366.2948.1634.1137.4135.4834.9127.8075.1493.5060.6959.4046.0254.8241.3746.9516.3737.1814.84
Minerva-3B-base-v1.040.7362.3346.2827.2029.6929.0240.0124.6074.2788.0056.7569.6034.5452.1336.3137.354.3114.216.52
OLMo-2-0425-1B47.7072.7350.7929.7931.3432.6029.1930.0075.9595.3064.7252.6040.0051.7737.6342.8920.3468.2532.74
Qwen3-1.7-Base53.2973.6149.2937.5440.7339.2738.4530.2075.9095.8064.0164.2046.4754.5044.0645.7839.5969.6050.21
salamandra-2b50.5871.0447.1938.0142.0740.6038.5626.8072.6991.9061.7265.4047.7951.9749.0848.6741.7341.5533.72
Villanova-2B-Base-2512-Preview54.2675.1348.5742.0645.7244.6243.3226.6075.0894.4061.9668.4049.3652.2149.0452.3341.2866.6640.03
Villanova-2B-Base-260354.9173.7449.5342.9146.8145.4944.2125.2074.3294.1059.0468.8049.4854.3049.0050.7244.9472.5243.37

English only:

ModelAvgarc_easyhellaswagopenbookqapiqasciqwinograndexnli_enxquad_en
EuroLLM-1.7B56.6069.0745.0429.8072.2090.6061.2550.2434.60
Llama-3.2-1B57.9566.2948.1627.8075.1493.5060.6954.8237.18
Minerva-3B-base-v1.052.3262.3346.2824.6074.2788.0056.7552.1314.21
OLMo-2-0425-1B63.6972.7350.7930.0075.9595.3064.7251.7768.25
Qwen3-1.7-Base64.1173.6149.2930.2075.9095.8064.0154.5069.60
salamandra-2b58.1171.0447.1926.8072.6991.9061.7251.9741.55
Villanova-2B-Base-2512-Preview62.5875.1348.5726.6075.0894.4061.9652.2166.66
Villanova-2B-Base-260362.8473.7449.5325.2074.3294.1059.0454.3072.52

Multilingual benchmarks:

ModelAvghellaswag_dehellaswag_eshellaswag_frhellaswag_itxcopa_itxnli_dexnli_esxnli_frxquad_dexquad_es
EuroLLM-1.7B42.4237.9740.9840.0539.4666.0047.9945.5849.0027.5029.65
Llama-3.2-1B36.6934.1137.4135.4834.9159.4046.0241.3746.9516.3714.84
Minerva-3B-base-v1.031.4527.2029.6929.0240.0169.6034.5436.3137.354.316.52
OLMo-2-0425-1B34.9129.7931.3432.6029.1952.6040.0037.6342.8920.3432.74
Qwen3-1.7-Base44.6337.5440.7339.2738.4564.2046.4744.0645.7839.5950.21
salamandra-2b44.5638.0142.0740.6038.5665.4047.7949.0848.6741.7333.72
Villanova-2B-Base-2512-Preview47.6142.0645.7244.6243.3268.4049.3649.0452.3341.2840.03
Villanova-2B-Base-260348.5742.9146.8145.4944.2168.8049.4849.0050.7244.9443.37

Long context (RULER):

Note: Tests were run forcing the context length to 32k, going beyond the default length for models with a native context lower than this threshold.

ModelNative ContextAvg (32k)
Qwen3-1.7B-Base32k0.73
Villanova-2B-Base-260332k0.49
gemma-3-1b-pt32k0.28
salamandra-2b8k0.12
EuroLLM-1.7B4k0.08
OLMo-2-0425-1B4k0.00
Villanova-2B-Base-2512-Preview4k0.00
Minerva-3B-base-v1.016k0.00

Training Data

The model's training pipeline is divided into two main stages: an initial pre-training stage focused on broad linguistic and factual coverage, and an annealing (decay) stage designed to consolidate knowledge and improve reasoning capabilities.

Stage 1: Pre-training

The first stage was trained on approximately 3.6 trillion tokens (occupying ~15 TB of disk space). The distribution prioritizes five core languages while maintaining a global language coverage baseline. The mixture consists of approximately 37.5% English, large allocations for target Latin-script languages (German, Spanish, French, Italian), 5% code, 2% secondary Latin-script languages, and 6% for broader global languages.

The primary datasets utilized in this stage include:

  • Web Corpora: FineWeb-2, FineWeb-Edu, and FineWeb2-HQ provide a massive multilingual foundation.
  • Encyclopedic & Academic: FineWiki, alongside academic papers from Arxiv and PubMed (Common Pile).
  • Structured Text: FinePDFs supplies high-quality text extracted from structured documents.
  • Quantitative & Technical: FineMath and Stack-Edu establish foundational mathematical reasoning and coding proficiency.

Stage 2: Annealing (Decay)

During the final decay stage on 400 billion tokens, the general web data was partially replaced with a highly curated set of academic, structured, and instructional corpora to improve reasoning during parameter crystallization.

High-quality sources introduced in the annealing stage include:

  • Common-Pile StackExchange: Q&A threads focusing on technical and scientific domains.
  • GitHub Issues & Kaggle Notebooks: A curated concatenation of ~11 billion tokens of repository discussions and ~1.7 billion tokens of analytical notebooks to improve technical problem-solving.
  • FLAN Dolma-Mix Subset: Instruction-formatted text extracted from the Dolma 1.7 dataset, carefully curated to avoid evaluation suite contamination.
  • Advanced Mathematics: InfiWebMath and FineMath corpora.

Stage 3: Long Context Extension

A final training stage was executed to extend the model's effective context window, processing an additional 50 billion tokens. The data distribution for this stage resembles the annealing mixture, but employs a shifted sampling strategy that strictly prioritizes long-form documents. This targeted approach ensures the model can efficiently process and retrieve information across extended sequences while preserving the high reasoning and knowledge density established during the decay stage.


License

This model is released under the Apache 2.0 License.

Citation

@inproceedings{simonazzi2026villanova2b,
  author    = {Simonazzi, Stefano and Zeinalipour, Kamyar and Gabburo, Matteo and Baiamonte, Daniela and Fano, Elena and Zugarini, Andrea},
  title     = {Villanova-2B: European Open Multilingual and Multimodal Language Models},
  booktitle = {Proceedings of the Twelfth Italian Conference on Computational Linguistics (CLiC-it 2026)},
  editor    = {Basile, Valerio and Croce, Danilo and Passaro, Lucia and Pirrone, Roberto},
  year      = {2026},
  note      = {In press}
}

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
7c5410b

0 моделей