/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
277 млн
Лицензия
Apache 2.0
Архитектура
dasha · dense
Опубликована
8 сен 2026

dasha-215m

Генерация текстаТекст → текст3 профессии

Небольшая русско-английская чат-модель, обученная с нуля, для генерации текста и простых диалоговых ответов.

516скачиваний за 30 дней1лайквеса обновлены13 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

Dasha 215M — разработанная Dariumi небольшая авторегрессионная языковая модель с декодерной архитектурой Transformer, обученная с нуля. Это версия, дообученная на инструкциях и многоходовых диалогах на русском и английском; базовое предобучение проводилось на русской и английской Википедии. Модель насчитывает 276,8 млн параметров по метаданным, использует GQA, RoPE, RMSNorm и SwiGLU, работает с контекстом до 2048 токенов и распространяется в формате safetensors.

Модель предназначена для генерации текста и простых диалоговых ответов, особенно на русском и английском языках. По карточке, она способна выдавать связный и грамматичный текст, но слабо справляется с многошаговыми рассуждениями и математикой; для задач по коду и математике специализированных данных в обучающей выборке не было. Это ранний чекпойнт, поэтому качество ограничено небольшим размером и масштабом обучения. Лицензия — Apache-2.0.

Сценарии применения

  • генерация простых ответов на русском языке
  • многоходовой диалог на русском и английском
  • создание коротких текстов по заданной теме

Ограничения

Это ранний чекпойнт с ограниченным объёмом предобучающих данных; многошаговые рассуждения и математика даются модели слабо. В карточке также отмечены почти случайные результаты на MERA и отсутствие специализированных данных для математики и кода.

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

Dasha 215M (chat)

A decoder-only transformer trained from scratch (not fine-tuned from an existing pretrained LLM). This is the instruction/chat-tuned (SFT) version.

This is an early checkpoint: pretrained on a relatively small, general (Wikipedia ru+en) corpus. A larger, much more densely-trained successor (higher tokens/parameter ratio, broader web+math data, same architecture) is currently in progress -- this card will be updated when it replaces this checkpoint.

Architecture

  • RMSNorm (pre-norm), RoPE, Grouped-Query Attention (GQA: 16 query heads / 4 KV heads), QK-Norm, SwiGLU MLP, tied embeddings
  • 213.9M parameters, 16 layers, dim=1024, context length 2048
  • torch SDPA attention with an automatic flash-attn fallback on supported architectures (Ampere/Ada/Hopper)

Training

  • Optimizer: hybrid Muon (2D hidden-layer matrices) + Adam-mini (embeddings) + AdamW (norm gains)
  • Pretrain data: Wikipedia ru+en
  • SFT: ru/en multi-turn dialogue (Vikhrmodels/GrandMaster-PRO-MAX), ChatML-style format

Evaluation

Evaluated with lm-evaluation-harness (0-shot, acc) and the official MERA benchmark for Russian. Numbers are honest, not cherry-picked -- at 214M parameters and this data scale, the model is a fluent, grammatical talker with weak multi-step reasoning and weak math, which is the expected profile for this size class, not a bug.

English common-sense/reasoning (vs. Pythia-160M, a similarly-sized public baseline):

TaskDasha 215MPythia-160M
PIQA55.4%59.1%
ARC-Easy26.4%37.6%
WinoGrande49.1%50.5%
BoolQ38.2%44.1%
HellaSwag26.8%28.3%

Russian (XWinograd-ru, XStoryCloze-ru, XNLI-ru, Belebele-ru):

TaskDasha 215M
XWinograd-ru52.4%
XStoryCloze-ru51.8%
XNLI-ru35.2%
Belebele-ru23.0%

MERA (aggregate, official submission): 0.195 -- near-random overall, with math/code tasks essentially at 0 (as expected: no dedicated math/code data in this checkpoint's pretrain mix). The in-progress successor targets this specifically with a denser, more diverse pretrain corpus.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

tok = AutoTokenizer.from_pretrained("dariumi/dasha-215m")
model = AutoModelForCausalLM.from_pretrained("dariumi/dasha-215m", trust_remote_code=True, dtype=torch.bfloat16)

ids = tok("Привет!", return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=50, do_sample=True, temperature=0.8)
print(tok.decode(out[0]))

Note: generate() via this HF wrapper reprocesses the full sequence each step (no KV-cache), so it is correct but not fast for long generations.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

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

Класс архитектуры
DashaHFForCausalLM
Ревизия весов
5e80ef7

0 моделей