/ Модель

Характеристики

Контекст
1 024 токена
Параметры
26,7 млн
Лицензия
MIT
Архитектура
nanoserve · dense
Опубликована
11 сен 2026

nanoserve-27m

Генерация текстаТекст → текст3 профессии

Небольшая языковая модель, обученная с нуля для генерации коротких детских историй на английском языке.

111скачиваний за 30 дней0лайковвеса обновлены11 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

Nanoserve 27M — небольшая авторегрессионная языковая модель на основе декодерного трансформера, разработанная в рамках проекта Nanoserve и обученная с нуля на TinyStories V2. Модель содержит 26,7 млн параметров; её архитектура использует 8 слоёв, 8 голов внимания, grouped-query attention с 2 KV-головами и блоки SwiGLU. Веса опубликованы в формате safetensors, контекст — 1 024 токена.

Модель предназначена для генерации коротких детских историй на простом английском языке. Она обучалась на 536 млн токенов из TinyStories V2 с использованием специального токенизатора byte-level BPE на 8 192 токена. Это не универсальный ассистент: модель не обучалась следовать инструкциям, отвечать на вопросы или рассуждать. Лицензия — MIT.

Сценарии применения

  • генерация коротких детских историй на английском языке
  • создание простых сказочных сюжетов
  • эксперименты с небольшими языковыми моделями и обучением трансформеров

Ограничения

Словарь и знания модели ограничены простым английским языком корпуса TinyStories, а контекст составляет 1 024 токена. Модель не настроена для следования инструкциям или ответов на вопросы и может уверенно генерировать фактически неверный текст.

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

Nanoserve 27M

A 26,747,392-parameter decoder-only transformer trained from scratch on TinyStories V2. The architecture, the tokenizer and the training loop were all written by hand -- no AutoModel, no tokenizers library.

It writes short children's stories. It is not a general-purpose assistant and cannot answer questions, follow instructions, or reason. That is the specification, not a shortfall.

Results

Parameters26,747,392
Training tokens536,174,127
Validation loss1.1485 nats/token
Perplexity3.153
Hardwaresingle RTX 3050 Laptop (4 GB)
Wall clock3.27 hours

Architecture

d_model / layers / heads512 / 8 / 8
KV heads2 (grouped-query attention)
d_ff1408 (SwiGLU)
Norm / positionRMSNorm pre-norm / RoPE
Vocabulary / context8,192 / 1,024
Embeddingstied

Parameter names mirror HuggingFace's Llama, so the weights load into a LlamaForCausalLM of matching shape.

Usage

from model.tokenizer import BPETokenizer
from model.generate import load_model, generate, SamplingParams

tok = BPETokenizer.load("tokenizer.json")
model, _ = load_model("model.safetensors", device="cuda")

print(generate(
    model, tok,
    "Once upon a time, there was a little girl named Lily who",
    SamplingParams(max_new_tokens=200, temperature=0.8),
))

Training data

TinyStories V2 (GPT-4 generated). 536,174,127 tokens under a purpose-built 8,192-token byte-level BPE vocabulary, which compresses this corpus to 3.965 bytes/token with 98.1% of words encoding to a single token.

Token count was chosen to sit at the Chinchilla-optimal ratio for the parameter count (~20 tokens per parameter).

Limitations

  • Vocabulary and world model are limited to the simple English of TinyStories.
  • 1,024-token context.
  • No instruction tuning, no alignment, no safety filtering of any kind.
  • Will confidently produce factually wrong statements; it models story-shaped text, not truth.

Source

Trained as Phase 1 of Nanoserve, a project that trains a small language model and then builds the distributed system that serves it.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура nanoserve неизвестна transformers в образе рантайма.

Ревизия весов
80d7d8d

0 моделей