/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
53,5 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
5 сен 2026

JugnuLM-53M

Генерация текстаТекст → текст3 профессии

Компактная базовая языковая модель Qwen3 на 53,5 млн параметров для продолжения английского текста и экспериментов с малыми LLM.

73скачиваний за 30 дней0лайковвеса обновлены5 сен 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

JugnuLM-53M — небольшая языковая модель, созданная altslate с нуля для Tiny-ML Leaderboard. Модель содержит 53,5 млн параметров, построена на плотной архитектуре Qwen3 с причинным языковым моделированием и встроенной QK-нормализацией. Она обучалась на англоязычном наборе FineWeb-Edu примерно на 12 млрд токенов, использует контекст до 2048 токенов и распространяется в формате safetensors через Transformers.

Модель предназначена для продолжения английского текста и компактных экспериментов с предварительным обучением и оценкой малых языковых моделей. В карточке приведены результаты на BLiMP, ARC-Easy и WikiText-2; автор сообщает, что модель сопоставима с некоторыми более крупными моделями по грамматическим тестам и perplexity. Это базовая модель без настройки на инструкции и выравнивания: она может повторяться, ошибаться в фактах и слаба в многошаговых рассуждениях. Лицензия — Apache-2.0; автор не рекомендует модель для производственного применения.

Сценарии применения

  • продолжение англоязычного текста
  • эксперименты с предварительным обучением малых языковых моделей
  • сравнение компактных LLM на тестах языковых способностей

Ограничения

Это базовая модель без настройки на инструкции и выравнивания; возможны повторы, галлюцинации и слабые результаты в многошаговых рассуждениях. Автор не рекомендует её для производственного применения.

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

JugnuLM-53M

A 53.5M parameter language model pretrained from scratch on ~12B tokens of FineWeb-Edu. Built as an entry for the Tiny-ML Leaderboard (sub-150M parameter models). Jugnu (जुगनू) means "firefly" — small, but it glows.

It punches above its size: at ~53M it matches or beats models 1–2.7× larger on grammar (BLiMP) and perplexity.

Results

Evaluated with EleutherAI lm-evaluation-harness:

MetricScore
BLiMP (acc)78.14%
ARC-Easy (acc)51.43%
WikiText-2 (byte perplexity ↓)2.04
WikiText-2 (bits/byte ↓)1.03
Validation perplexity ↓21.6

Reproduce:

lm_eval --model hf \
  --model_args pretrained=altslate/JugnuLM-53M,dtype=bfloat16 \
  --tasks blimp,arc_easy,wikitext --batch_size auto

Architecture

Params53.5M
Base architectureQwen3 (Llama-style + built-in QK-Norm)
Layers8
Hidden size512
Heads / KV heads8 / 4 (grouped-query attention)
Context2048
PositionRoPE
Norm / FFNRMSNorm / SwiGLU
Embeddingstied
TokenizerSmolLM2 (49,152 vocab)

Training

  • Data: HuggingFaceFW/fineweb-edu (sample-10BT), ~12B tokens seen, packed into 2048-token blocks
  • Optimizer: AdamW (β 0.9/0.95, wd 0.1), grad clip 1.0
  • Schedule: cosine, 2k warmup, peak LR 1.5e-3 → floor 1.5e-4
  • Batch: ~0.5M tokens/step (global)
  • Stability: QK-Norm + z-loss (1e-4) for logit control
  • Hardware: 4× NVIDIA RTX PRO 4500 Blackwell, bf16, DDP + torch.compile

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("altslate/JugnuLM-53M")
model = AutoModelForCausalLM.from_pretrained("altslate/JugnuLM-53M")

ids = tok("The capital of France is", return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=30, repetition_penalty=1.3)
print(tok.decode(out[0], skip_special_tokens=True))

Intended use & limitations

Research / leaderboard entry. This is a base model — not instruction-tuned or aligned. Expect fluent English continuation and reasonable factual recall for its size, but limited multi-step reasoning, occasional repetition, and hallucination. Not for production use.

Citation / attribution

Trained by AltSlate Labs. Recipe and training code: https://github.com/AltSlate-Labs/jugnu

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
875963c

0 моделей