/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
MIT
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
23 мая 2026

tinystories-5090

Генерация текстаТекст → текст

Небольшая GPT-2-подобная модель, обученная на TinyStories для генерации коротких англоязычных историй по текстовому запросу.

111скачиваний за 30 дней0лайковвеса обновлены5 июн 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

Это 124-миллионная авторегрессионная языковая модель семейства GPT-2, обученная с нуля участниками проекта llm.kittens на наборе TinyStories. Модель предназначена для генерации коротких простых историй по текстовому запросу; она прошла предобучение и не является диалоговой моделью, поэтому не рассчитана на формат общения с ассистентом.

Архитектура — декодерный Transformer GPT-2: 12 слоёв, 12 голов внимания, скрытый размер 768 и словарь из 50 257 токенов. Контекст составляет 1024 токена. Веса BF16 опубликованы в формате safetensors для загрузки через Transformers. Обучение проводилось на английском корпусе TinyStories, поэтому основным языком модели является английский.

Модель подходит для экспериментов с генерацией историй и изучения обучения небольших языковых моделей. Её специализация на простых историях ограничивает качество на общих знаниях, сложных рассуждениях и диалоговых сценариях. Лицензия — MIT.

Сценарии применения

  • генерация коротких детских историй по началу текста
  • продолжение простого англоязычного рассказа
  • эксперименты с предобучением авторегрессионных языковых моделей
  • обучающие демонстрации генерации текста небольшой GPT-2-моделью

Ограничения

Модель только предобучена и не настроена для диалога или следования инструкциям. Обучение на простых историях ограничивает её пригодность для общих знаний и сложных задач; контекст — 1024 токена.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

llm.kittens TinyStories 124M BF16

This is a 124M-parameter GPT-2-style causal language model trained from scratch on TinyStories with the llm.kittens C++/CUDA trainer, which is a fork of Karpathy's llm.c with some optimisations for SM120, and multi-stack kernel optimisations.

The model is published as a standard Hugging Face Transformers checkpoint with BF16 safetensors weights. It was trained on a single RTX 5090 in 14 hours.

This isn't a chat model. It's pretrained only, use the Python example to use it.

Result

  • Model weights: model.safetensors
  • Training step: 20000 / 20000
  • Final train loss: 0.785740
  • Final validation loss: 0.875080
  • Final throughput: 207135 tokens/s
  • Final step time: 2531.04 ms
  • Final reported BF16 MFU: 39.7%
  • Average iteration time: 2605.014347 ms
  • Safetensors size: 248,894,656 bytes
  • Parameter count: 124,475,904

The TinyStories paper reports eval losses of 1.33 to 1.58 for the 768-hidden-size 1- and 2-layer attention-head ablations in Figure 24. This run's 0.875080 validation loss is lower, but the comparison is not apples-to-apples: this model is a 12-layer GPT-2-style model using GPT-2 tokenization, a 1024-token context, and a different implementation/training setup.

Architecture

  • Family: GPT-2-style decoder-only Transformer
  • Descriptor: d12
  • Layers: 12
  • Attention heads: 12
  • Hidden size: 768
  • Context length: 1024
  • Vocabulary size: 50,257
  • Precision: BF16 weights

Training

The run used the TinyStories GPT-2 dataset files generated by dev/data/tinystories.py in llm.kittens.

./train_gpt2cu \
    -i "dev/data/tinystories/TinyStories_train.bin" \
    -j "dev/data/tinystories/TinyStories_val.bin" \
    -o "log124M/5090_S" \
    -v 250 -s 20000 -g 144 \
    -h 0 \
    -b 64 -t 1024 -d 524288 \
    -r 0 \
    -z 1 \
    -c 0.1 \
    -l 0.0006 -q 0.0 -u 700 -n 5000 \
    -y 0 \
    -e "d12" \
    -x 20000

Key settings:

  • Hardware target: RTX 5090 / SM120
  • Micro batch: 64
  • Sequence length: 1024
  • Total desired batch size: 524,288 tokens
  • Max steps: 20,000
  • Optimizer: AdamW as implemented in llm.kittens
  • Peak learning rate: 6e-4
  • Scheduler: cosine
  • Warmup: 700 steps
  • Final LR fraction: 0.0
  • Weight decay: 0.1
  • Recompute: off
  • ZeRO stage: 1
  • Checkpoint interval: 5000 steps

Sample

Prompt/sample emitted at the final checkpoint:

Once upon a time, there was a little boy named Timmy. Timmy loved going to school and playing with his friends. One day, Timmy woke up and felt very hot. He asked his mom if his head hurt. His mom said it might be burnt. Timmy's mom recommended they switch their shirts outside so he would feel better.

Timmy went outside and saw his friends playing. He wanted to join them, but he remembered his mom's recommendation. He switched his shirt right away and felt much cooler. Timmy was happy he listened to his mom and his friends.

Later, during recess, Timmy's friend asked him to go on the slide.

Files

  • model.safetensors: BF16 Transformers weights.
  • config.json: GPT-2 model configuration.
  • generation_config.json: default generation settings.
  • tokenizer.json: GPT-2 tokenizer.
  • vocab.json and merges.txt: GPT-2 BPE vocabulary files.

Loading

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "adamroberts/tinystories-5090"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype=torch.bfloat16)

inputs = tokenizer("Once upon a time", return_tensors="pt")
with torch.inference_mode():
    outputs = model.generate(**inputs, max_new_tokens=80, do_sample=True, temperature=0.8)

print(tokenizer.decode(outputs[0], skip_special_tokens=True))

Source implementation: https://github.com/adamdroberts/llm.kittens

TinyStories reference paper: https://arxiv.org/abs/2305.07759

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
9ed3b0a

0 моделей