/ Модель

Характеристики

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

WesleyGPT-Think

Генерация текстаТекст → текст3 профессии

Небольшая англоязычная чат-модель для пошагового решения текстовых математических задач, обученная на одной потребительской видеокарте.

260скачиваний 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-Think — англоязычная чат-модель на 286 млн параметров, разработанная Wesley Mangum и обученная с нуля на одной RTX 3060 с использованием проекта nanochat. Затем модель дообучили на диалогах SmolTalk, наборах MMLU и GSM8K и примерах MetaMathQA. Она генерирует ответы на английском языке и предназначена прежде всего для пошагового решения текстовых математических задач начального школьного уровня; контекст составляет 2 048 токенов, используется скользящее внимание.

Модель показывает, как можно обучить небольшую языковую модель на потребительском GPU, и запускается даже на CPU ноутбука. В README указано, что качество невысокое: на тесте GSM8K она решила верно около 14,6% задач, часто выдумывает факты и ошибается в вычислениях. Рассуждения в заданном формате появляются главным образом для вопросов, похожих на текстовые математические задачи, а ответы могут иметь вид «#### N». Модель не загружается через AutoModel из Transformers; для запуска нужен код проекта WesleyGPT. Лицензия — CC BY-NC 4.0, допускающая использование с указанием авторства, но некоммерческое.

Сценарии применения

  • пошаговое решение школьных текстовых задач по математике
  • генерация промежуточных рассуждений перед числовым ответом
  • изучение обучения небольшой языковой модели на потребительском GPU

Ограничения

Модель часто выдумывает факты и ошибается: по данным README, верно решает около 14,6% задач GSM8K. Пошаговое решение срабатывает главным образом на текстовых математических задачах; модель не загружается через AutoModel из Transformers и не проходила отдельную настройку безопасности.

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-Think

A 286-million-parameter chat model trained from scratch on one RTX 3060 in Wesley Mangum's home that works through math problems step by step in a <think> block before answering: about 14 hours of pretraining, then about 5.5 hours of fine-tuning. The thinking took grade-school math (GSM8K) from 1% to 14.6%. 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-Think

Or from Python:

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

Replies to math word problems look like this:

<think>
Tom has 3 boxes with 12 apples each, so he has a total of 3 * 12 = 36 apples.
He eats 5 apples, so he now has 36 - 5 = 31 apples left.
</think>
#### 31

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. The GSM8K solutions are rewritten so the working sits in <think>…</think> before a #### N answer, and ~240K MetaMathQA problems (rephrasings of GSM8K's training set) are added in the same format. 1,038 steps~5.5 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)WesleyGPTWesleyGPT-Think
ARC-Easy23.6%36.8%37.7%
ARC-Challenge25.1%32.3%32.9%
MMLU26.9%31.8%32.0%
GSM8K (grade-school math)0.0%1.1%14.6%
HumanEval (Python)0.0%9.2%11.0%
ChatCORE0.0020.0900.125
Knows its name (12 held-out questions × 5 samples)–28%45%

Limitations

  • It makes things up. Asked about Paris, it said the city borders the French Riviera.
  • It only thinks when a question looks like a math word problem. Every thinking example it trained on was one; asked "What is 17 times 3?" it answered conversationally, and wrongly.
  • The final answer is bare (#### 31), the format it was trained on.
  • It still gets 85% of grade-school math wrong.
  • It only sometimes knows its own name (45% of unseen phrasings; this may be within noise of the 28% of WesleyGPT, since the eval has only 60 samples).
  • 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
f3e6d61

0 моделей