/ Модель

Характеристики

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

WesleyGPT-SFT

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная чат-модель для генерации текста и экспериментов с запуском LLM на потребительском оборудовании.

246скачиваний 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-SFT — небольшая англоязычная чат-модель, разработанная Wesley Mangum на базе nanochat. Модель дообучена на диалогах SmolTalk, а также на обучающих примерах MMLU и GSM8K; это первая чат-версия семейства WesleyGPT, обученного с нуля на одной потребительской видеокарте. В ней 286 миллионов параметров и контекстное окно 2 048 токенов со скользящим вниманием. Репозиторий содержит веса safetensors, но модель не загружается через transformers AutoModel; по README она работает на CPU ноутбука.

Модель предназначена для генерации текста и простых диалогов, а также демонстрации обучения и запуска небольшой языковой модели на доступном оборудовании. Она может связно отвечать, но часто уверенно выдаёт неверные сведения; качество арифметических и многошаговых рассуждений низкое. Модель рассчитана только на английский язык и не проходила отдельную настройку безопасности. Лицензия CC BY-NC 4.0 допускает использование с указанием авторства, но запрещает коммерческое использование.

Сценарии применения

  • простые диалоги на английском языке
  • генерация и продолжение английского текста
  • изучение обучения небольших языковых моделей
  • эксперименты с локальным запуском LLM на CPU

Ограничения

Модель часто выдумывает факты, слабо справляется с арифметикой и многошаговыми рассуждениями и не проходила отдельную настройку безопасности. Работает только с английским языком; через transformers AutoModel не загружается.

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-SFT

The first chat version of WesleyGPT, kept for comparison: the same fine-tuning without the conversations that teach it its own name.

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-SFT

Or from Python:

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

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, 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-SFT
ARC-Easy23.6%37.6%
ARC-Challenge25.1%30.9%
MMLU26.9%31.5%
GSM8K (grade-school math)0.0%1.6%
HumanEval (Python)0.0%8.5%
ChatCORE0.0020.087
Knows its name (12 held-out questions × 5 samples)–0%

Limitations

  • It makes things up. Asked about Paris, it said the city borders the French Riviera.
  • It does not know its own name. Asked who made it, it has answered "Google", "Microsoft", and "Siri". WesleyGPT is the version fine-tuned on its identity.
  • Arithmetic and multi-step reasoning are close to zero (GSM8K 1.6%).
  • 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
f5bb791

0 моделей