/ Модель

Характеристики

Лицензия
Apache 2.0
Архитектура
scratch_gpt · dense
Опубликована
22 авг 2026

welmia-2.0-103m-instruct

Генерация текстаТекст → текст3 профессии

Компактная англоязычная GPT-модель для генерации текста и выполнения отдельных инструкций в формате Alpaca.

86скачиваний за 30 дней1лайквеса обновлены24 авг 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

Welmia/welmia-2.0-103m-instruct — компактная GPT-подобная языковая модель на 103,4 млн параметров, разработанная Welmia. Модель обучена с нуля на примерно 5 млрд токенов OpenWebText, а затем дообучена на наборе инструкций Alpaca из примерно 52 тысяч примеров. Архитектура включает 12 слоёв и 12 голов внимания, RoPE, RMSNorm, SwiGLU и связанные эмбеддинги; веса опубликованы в формате Safetensors. Для работы используется собственный BPE-токенизатор с словарём 24 тысячи токенов, несовместимый с токенизаторами GPT-2 и tiktoken.

Модель предназначена для генерации текста и выполнения простых инструкций в формате Alpaca, например подготовки короткого ответа по инструкции или предоставленному контексту. Метаданные указывают английский язык. Контекст ограничен 512 токенами; длинные входы обрезаются слева. Модель рассчитана на отдельные запросы, не обучалась на многоходовых диалогах и не поддерживает KV-кэш, поэтому генерация может быть медленной. Из-за небольшого размера не следует ожидать сильных навыков рассуждения или широких фоновых знаний. Лицензия — Apache-2.0.

Сценарии применения

  • генерация короткого текста по инструкции
  • ответ на вопрос по переданному контексту
  • создание простого черновика на английском языке

Ограничения

Контекст ограничен 512 токенами, длинные входы обрезаются слева; модель предназначена для одношаговых запросов, не поддерживает KV-кэш и может слабо справляться со сложными рассуждениями и вопросами на широкие знания.

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

welmia-2.0-103m-instruct

A 103M-parameter GPT-style language model (RoPE, RMSNorm, SwiGLU, tied embeddings), pretrained from scratch on ~5B tokens (OpenWebText), then instruction-tuned on the Alpaca dataset.

Base (non-instruct) version: Welmia/welmia-2.0-103m-base.

Architecture

ParameterValue
Parameters103.4M
Layers12
Attention Heads12
Embedding Dim768
Context Length512
Vocab Size24,000
NormalizationRMSNorm
ActivationSwiGLU
Positional Enc.RoPE
Weight TyingYes

Tokenizer note: custom 24k-vocab BPE tokenizer, not GPT-2/tiktoken. Not interchangeable with welmia-1.0-81m.

Prompt format

This model expects the Alpaca instruction format:

Instruction:

{your instruction}

Response:

or, with additional context:

Instruction:

{your instruction}

Input:

{context}

Response:

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model = AutoModelForCausalLM.from_pretrained("Welmia/welmia-2.0-103m-instruct", trust_remote_code=True)
tok = AutoTokenizer.from_pretrained("Welmia/welmia-2.0-103m-instruct")

prompt = "### Instruction:\nWhat is Machine Learning.\n\n### Response:\n"
ids = tok(prompt, return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=150, do_sample=True, temperature=0.7, top_k=40)
print(tok.decode(out[0], skip_special_tokens=True))

trust_remote_code=True is required — custom architecture defined in modeling_gpt.py in this repo.

Important notes

  • Single-turn only. Trained on Alpaca, which has no multi-turn/chat structure — treat each prompt as independent, not a running conversation.
  • No KV cache. generate() recomputes the full forward pass each step.
  • 512-token context. Longer inputs are truncated from the left.
  • Small model — expect basic instruction-following, not strong reasoning or world knowledge.

Training

Pretrained from scratch on ~5B tokens OpenWebText (causal LM), then fine-tuned on the Alpaca instruction dataset (~52k examples, 3 epochs, AdamW, cosine LR, loss masked over the prompt so only the response is trained on).

License

Apache License 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
GPTForCausalLM
Ревизия весов
ccb9fce

0 моделей