/ Модель

Характеристики

Лицензия
CC BY-NC 4.0
Базовая модель
WesleyGPT-Base
Опубликована
26 сен 2026

WesleyGPT

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная чат-модель для генерации текста и демонстрации возможностей обучения на одной потребительской видеокарте.

348скачиваний за 30 дней0лайковвеса обновлены26 сен 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

WesleyGPT — англоязычная чат-модель на 286 млн параметров, созданная Wesley Mangum на базе проекта nanochat. Модель предварительно обучили с нуля, а затем дообучили для диалогов на одной потребительской видеокарте; опубликованный чекпойнт является дообучением WesleyGPT-Base. Весами можно пользоваться на ноутбуке с CPU, однако формат репозитория не поддерживается загрузчиком Transformers AutoModel.

Модель предназначена для генерации текста и простых разговорных сценариев. Она использует 12 слоёв, ширину 768 и контекст 2048 токенов со скользящим окном внимания. В дообучении использовались диалоги SmolTalk, а также обучающие данные MMLU и GSM8K. Лицензия — CC BY-NC 4.0, с ограничением на коммерческое использование.

Карточка позиционирует WesleyGPT как демонстрацию обучения небольшой чат-модели на потребительском GPU, а не как надёжного помощника. Модель может уверенно выдавать неверные сведения, слабо справляется с арифметикой и многошаговыми рассуждениями, непоследовательно отвечает о собственной идентичности и обучена только для английского языка. Отдельного safety-тюнинга, помимо того, что содержится в данных дообучения, нет.

Сценарии применения

  • эксперименты с компактной чат-моделью на ноутбуке с CPU
  • генерация простых ответов на английском языке
  • изучение полного цикла обучения небольшой языковой модели
  • демонстрация дообучения диалоговой модели на потребительском GPU

Ограничения

Модель часто уверенно выдумывает факты, плохо справляется с арифметикой и многошаговыми рассуждениями и непоследовательно идентифицирует себя. Она поддерживает только английский язык; отдельной настройки безопасности, помимо свойств данных дообучения, нет.

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

WesleyGPT

A 286-million-parameter chat model trained from scratch on one RTX 3060 in Wesley Mangum's home: about 14 hours of pretraining, then about 5 hours of fine-tuning to hold a conversation. Built on nanochat, Andrej Karpathy's open-source project for training small chat models end to end; the training and serving code is at WasueM/WesleyGPT.

It is a small model and it sounds like one: fluent, confident, and often wrong. It is a demonstration of what a single consumer GPU can do, not an assistant to rely on.

Try it

git clone https://github.com/WasueM/WesleyGPT && cd WesleyGPT
uv sync --extra cpu --extra release
uv run python -m wesleygpt.release chat Wasue/WesleyGPT

Or from Python:

from wesleygpt.release import fetch_release, load_release
model, tokenizer = load_release(fetch_release("Wasue/WesleyGPT", "wesleygpt-chat"))

It runs on a laptop CPU. It is not a transformers model, so AutoModel will not load it.

Model

Parameters286,261,730
Layers / width / heads12 / 768 / 6 (query and key-value)
Context2,048 tokens, sliding-window attention (3 short-window layers, then 1 full)
Tokenizer32,768-token byte-level BPE, trained by nanochat on the pretraining data
Precisionbfloat16 weights

Training

StageDataCompute
Pretraining (WesleyGPT-Base)1.32 billion tokens of ClimbMix (2,520 steps × 524,288 tokens)~14 h, 1× RTX 3060 12 GB
Supervised fine-tuningSmolTalk conversations, plus MMLU (×3) and GSM8K (×4) training sets, plus a small slice of synthetic conversations about its own identity, 934 steps~5 h, same GPU

Evaluation

nanochat's chat evaluation, before and after fine-tuning. The multiple-choice tasks have four options, so 25% is chance.

TaskBase (pretrained only)WesleyGPT (chat)
ARC-Easy23.6%36.8%
ARC-Challenge25.1%32.3%
MMLU26.9%31.8%
GSM8K (grade-school math)0.0%1.1%
HumanEval (Python)0.0%9.2%
ChatCORE0.0020.090
Knows its name (12 held-out questions × 5 samples)–28%

Limitations

  • It makes things up. Asked about Paris, it said the city borders the French Riviera.
  • It only sometimes knows its own name. Fine-tuning on identity conversations raised correct self-identification on unseen phrasings from 0% to 28%; the rest of the time it falls back on generic assistant personas from its chat data.
  • Arithmetic and multi-step reasoning are close to zero (GSM8K 1.1%).
  • English only. No safety tuning beyond what the fine-tuning data carries.

License

CC-BY-NC-4.0 for these weights: free to use, share, and adapt with credit, but not commercially. That matches the license of NVIDIA's Nemotron-ClimbMix, from which the pretraining data is derived. The code is MIT.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
72e6593

0 моделей