/ Модель

Характеристики

Контекст
1 024 токена
Параметры
190 млн
Лицензия
MIT
Архитектура
sologpt · dense
Библиотека
transformers
Опубликована
20 июн 2026

sologpt-v3-150m-base

Генерация текстаТекст → текст3 профессии

Небольшая GPT-подобная базовая языковая модель, обученная с нуля для продолжения текста и экспериментов с генерацией.

32скачиваний за 30 дней1лайквеса обновлены22 июн 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

SoloLLM v3 150M Base — авторская базовая языковая модель Бенджамина Максвелла, обученная с нуля в рамках проекта SoloLLM. Это декодерный GPT-подобный трансформер с 189,6 млн параметров по метаданным Hugging Face; в README указано 151,9 млн параметров. Модель обучалась на смеси общедоступных текстовых корпусов объёмом около 10 млрд токенов, включая FineWeb-Edu, FineWeb, DCLM, Wikipedia и OpenWebText. Контекст составляет 1024 токена.

Модель предназначена для продолжения текста, образовательного изучения небольшой языковой модели, экспериментов с генерацией и воспроизведения оценок проекта. Автор сообщает, что итоговая версия превзошла GPT-2 small в целом на фиксированном наборе оценок, но это не доказывает превосходство по всем метрикам. Модель не настроена на выполнение инструкций и не является чат-ассистентом. Лицензия — MIT.

Модель может генерировать ошибочный, предвзятый, повторяющийся или небезопасный текст. У неё нет поиска по источникам и вызова инструментов; для диалогов и практического применения потребуется дополнительная настройка и оценка безопасности. README не рекомендует её для производственных систем и решений с высокими ставками.

Сценарии применения

  • продолжение короткого текстового фрагмента
  • изучение устройства базовой языковой модели
  • эксперименты с генерацией текста на небольшой модели
  • воспроизведение оценок SoloLLM v3
  • сравнение небольшой модели с GPT-2 small

Ограничения

Это небольшая базовая модель без настройки на инструкции, поиска по источникам и вызова инструментов; она может выдавать ошибки, предвзятый, повторяющийся или небезопасный текст. Автор не рекомендует её для производственных систем, фактических ответов на вопросы и решений с высокими ставками без дополнительной настройки и проверки.

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

SoloLLM v3 150M Base

SoloLLM v3 150M Base is a from-scratch GPT-style decoder-only language model trained on one RTX 3090 as part of the SoloLLM project. It is a base text completion model, not an instruction-tuned chatbot.

The project goal was to build a full small-LM engineering loop: dataset construction, PyTorch model implementation, single-GPU pretraining, checkpoint recovery, evaluation, ablation, and an honest comparison against GPT-2 small.

Headline Result

The final 150M model beats GPT-2 small overall on the fixed SoloLLM v3 evaluation suite. A smaller 123M ablation also beats GPT-2 on most external checks, but it does not beat GPT-2 across every metric.

ModelParamsTrain tokensHeld-out PPLWikiText-2 PPLLAMBADA PPLMC avg acc norm
GPT-2 small124.44Mpublic25.3245.3240.6241.05%
SoloLLM v3 123M123.55M9.80B25.6441.8736.2842.46%
SoloLLM v3 150M151.87M10.00B24.9041.1835.3542.71%

The honest claim is:

SoloLLM v3 trains GPT-2-class base LMs from scratch on one RTX 3090. The final 150M model beats GPT-2 small overall on a fixed evaluation suite, while a slightly smaller 123M model beats GPT-2 on most external benchmarks but does not fully clear the strict across-board smaller-than-GPT-2 bar.

Model Details

ItemValue
ArchitectureDecoder-only GPT-style transformer
Parameters151,868,928
Context length1024
TokenizerGPT-2 tokenizer
Embedding width768
Layers16
Attention heads12
Positional methodRoPE
NormalizationRMSNorm
MLPSwiGLU
Weight tyingInput/output embeddings tied
Training hardwareSingle RTX 3090
Training tokens10,000,007,168

Training Data

The model was trained on a curated 10B-token mixture:

SourceAccepted tokensShare
FineWeb-Edu sample-10BT4,000,001,53240%
DCLM baseline2,500,001,31925%
FineWeb sample-10BT1,499,997,77415%
English Wikipedia999,998,93710%
OpenWebText1,000,000,97210%

The dataset was filtered, deduplicated by normalized document hash, and packed into 1024-token training shards.

Files

FilePurpose
model.safetensorsFinal model state dict
config.jsonModel/training config used to instantiate SoloGPT_v2
config_resolved.jsonResolved run config from training
metrics_summary.jsonTraining summary for the final checkpoint
model.pyMinimal SoloGPT model implementation used by this checkpoint
configuration_sologpt.pyHugging Face AutoConfig remote-code wrapper
modeling_sologpt.pyHugging Face AutoModelForCausalLM remote-code wrapper
tokenizer.jsonGPT-2 tokenizer used for training and inference
tokenizer_config.jsonTokenizer metadata with 1024-token context and EOS-as-pad
load_example.pyExample loading and sampling script
docs/v3_final_gpt2_comparison.mdFull final result writeup
docs/project_page.mdShort portfolio-style project page

Usage

This repo supports Hugging Face AutoModelForCausalLM loading through custom remote code. Pass trust_remote_code=True when loading the model.

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "bmax16634/sologpt-v3-150m-base"

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
tokenizer = AutoTokenizer.from_pretrained(repo_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo_id, trust_remote_code=True).to(device)
model.eval()

prompt = "The future of artificial intelligence is"
inputs = tokenizer(prompt, return_tensors="pt").to(device)

with torch.no_grad():
    output_ids = model.generate(
        **inputs,
        max_new_tokens=40,
        do_sample=True,
        temperature=0.8,
        top_k=40,
        use_cache=False,
        remove_invalid_values=True,
        renormalize_logits=True,
        pad_token_id=tokenizer.eos_token_id,
    )

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

For a runnable example, see load_example.py. For low-level state-dict loading, the raw PyTorch implementation is still included as model.py.

Intended Use

This model is intended for:

  • educational inspection of a small from-scratch base LM,
  • text-completion experiments,
  • reproducing the SoloLLM v3 evaluation story,
  • portfolio/research engineering review.

It is not intended for production use, high-stakes decisions, factual QA, or chat/instruction-following use without additional tuning and safety evaluation.

Limitations

  • This is a small base model, not an assistant.
  • It can generate incorrect, biased, repetitive, or unsafe text.
  • It has no retrieval, tool use, or instruction tuning.
  • The strict smaller-than-GPT-2 across-board claim is not proven by this model; the winning 150M checkpoint is larger than GPT-2 small.
  • Training data came from broad public web/text sources and may contain undesirable content despite filtering.

License

The SoloLLM code and released weights are provided under the MIT License by the author. Training data sources retain their own licenses and terms.

Project Links

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
SoloGPTForCausalLM
Ревизия весов
69af6f5

0 моделей