/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
48,6 млн
Лицензия
Apache 2.0
Архитектура
pebble_25m · dense
Базовая модель
Pebble-25M
Библиотека
transformers
Опубликована
2 сен 2026

Pebble-25M-Chat

Генерация текстаТекст → текст3 профессии

Компактная чат-модель на гибридной архитектуре Mamba2 и Transformer для диалогов и генерации текста.

186скачиваний за 30 дней7лайковвеса обновлены3 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

Pebble-25M-Chat — компактная авторегрессионная чат-модель, разработанная basically-ai и дообученная на базе basically-ai/Pebble-25M. Она предназначена для диалогов и генерации текста. Архитектура объединяет блоки Mamba2 и Transformer в повторяющемся соотношении 3:1; в модели около 25 млн параметров по README и 48,6 млн по метаданным. Контекст составляет 2048 токенов, используется byte-level BPE с размером словаря 2048.

Базовую модель предварительно обучали на 25 млрд токенов, а Pebble-25M-Chat дополнительно обучили методом SFT на 250 млн токенов из smol-smoltalk. В README приведены результаты тестов с выбором ответа, но они заметно варьируются по бенчмаркам; установка требует CUDA и Triton-ядер, рекомендуется GPU уровня Ampere или новее. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • генерация коротких текстовых ответов
  • создание простого диалогового помощника
  • продолжение текста в формате чата

Ограничения

Контекст ограничен 2048 токенами; результаты на приведённых тестах с выбором ответа невысоки и различаются по бенчмаркам. Для запуска требуются CUDA и Triton-ядра, рекомендуется GPU уровня Ampere или новее.

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

Pebble-25M-Chat

Banner

Pebble-25M-Chat is a compact, hybrid autoregressive chat language model. It combines the efficiency of state-space models with the proven performance of attention layers, optimized using a custom Muon + AdamW optimizer split.

Model Details

  • Architecture: Hybrid Mamba2 / Transformer
  • Block Pattern: 3 Mamba2 blocks : 1 Attention block (repeating)
  • Parameters: ~25,000,000 (25M)
  • Hidden Dimension: 608
  • Layers: 8 (6 Mamba2, 2 Attention)
  • Vocab Size: 2,048 (Custom Byte-Level BPE)
  • Context Length: 2048
  • Pretraining Tokens: ~25,000,000,000 (~25 Billion)
  • SFT Tokens: ~250,000,000 (~250 Million)
  • Optimizer: Muon (for 2D hidden weights) + AdamW (for embeddings, norms, and scalars)
  • Precision: fp32 master weights with bf16 autocast

Dataset Sources

The base model was pretrained on a 25B token subset of the following datasets:

DatasetToken AllocationShare
FineWeb-Edu7.50 billion30%
DCLM5.00 billion20%
Cosmopedia-v23.75 billion15%
FineMath-4+3.75 billion15%
FinePhrase3.00 billion12%
NPset2.00 billion8%

Benchmarks

Pebble-25M-Chat was evaluated using zero-shot multiple-choice evaluation. Higher scores are better. Bold indicates the best score among the models listed.

BenchmarkPebble-25MPebble-25M ChatPebble-10MBananaMind-2-MiniRandom
PIQA59.25%53.37%58.43%59.63%50.00%
ARC-Easy38.17%26.68%37.29%39.86%25.00%
ARC-Challenge18.60%19.62%18.60%25.68%25.00%
HellaSwag27.62%25.63%26.81%29.72%25.00%
ArithMark-2.027.60%26.20%27.64%27.52%25.00%
ArithMark-3.033.80%28.80%32.80%34.90%25.00%

Evaluation Notes

  • PIQA, ARC-Easy, ARC-Challenge, and HellaSwag were evaluated on their respective test splits.
  • ArithMark-2.0 was evaluated on its train split due to the lack of a suitable test split.
  • ArithMark-3.0 was evaluated on its train split due to the lack of a suitable test split.
  • Results were obtained using zero-shot multiple-choice evaluation.
  • The model was additionally fine-tuned using supervised fine-tuning (SFT).

SFT Attribution

The 250,000,000 SFT tokens used for Pebble-25M-Chat were provided by smol-smoltalk.


Usage

To run the model for text generation, you will need to install the required dependencies. The included Mamba2 implementation relies on CUDA/Triton kernels and is intended to run on a CUDA-enabled GPU. Ampere-class GPUs or newer are recommended.

Note: The model uses custom architecture code, so you must pass trust_remote_code=True when loading both the tokenizer and the model.

Installation

pip install transformers huggingface_hub torch
pip install causal-conv1d mamba-ssm

Generation

Here is a simple Python script to load the model and generate text interactively:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

MODEL_ID = "basically-ai/Pebble-25M-Chat"


def main():
    print("Loading Pebble-25M-Chat...")

    tokenizer = AutoTokenizer.from_pretrained(
        MODEL_ID,
        trust_remote_code=True,
    )

    model = AutoModelForCausalLM.from_pretrained(
        MODEL_ID,
        trust_remote_code=True,
        dtype=torch.float32,
    ).to("cuda")

    model.eval()

    print(
        f"Model loaded successfully! "
        f"VRAM usage: {torch.cuda.memory_allocated() / 1e9:.2f} GB"
    )
    print("Type 'quit' or 'exit' to stop.\n")

    while True:
        prompt = input("You: ")

        if prompt.lower() in ["quit", "exit"]:
            break

        # Format the prompt for the chat model
        formatted_prompt = f"User: {prompt}\nAssistant: "

        # Tokenize the prompt
        inputs = tokenizer(
            formatted_prompt,
            return_tensors="pt",
        ).to("cuda")

        # Generate text
        print("Pebble: ", end="", flush=True)

        with torch.inference_mode():
            outputs = model.generate(
                **inputs,
                max_new_tokens=100,
                do_sample=True,
                temperature=0.7,
                top_k=50,
                top_p=0.95,
                repetition_penalty=1.2,
            )

        # Decode and print (skip the prompt part)
        generated_text = tokenizer.decode(
            outputs[0][inputs["input_ids"].shape[1]:],
            skip_special_tokens=True,
        )

        print(generated_text)
        print()


if __name__ == "__main__":
    main()

License

Apache 2.0

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

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

Класс архитектуры
PebbleForCausalLM
Ревизия весов
a0ab3a2

0 моделей