/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
63,9 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
minimind
Библиотека
transformers
Опубликована
10 мая 2026

mikky-64m

Генерация текстаТекст → текст3 профессии

Компактная экспериментальная языковая модель на 63,9 млн параметров для локального текстового диалога и изучения обучения и конвертации небольших LLM.

56скачиваний за 30 дней1лайквеса обновлены10 мая 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

mikky-64m — компактная языковая модель на 63,9 млн параметров, обученная HUANG JUNZHE 黄俊哲 на базе кодовой основы и формата данных проекта MiniMind. Это экспериментальный чекпойнт для локального запуска, изучения обучения небольших моделей, конвертации форматов и экспериментов с выравниванием ответов. Обучение включало предварительное обучение, SFT, identity SFT с LoRA и DPO; GRPO использовался только для проб, а PPO не вошёл в итоговый чекпойнт.

Модель использует плотную архитектуру Qwen3ForCausalLM с RMSNorm, SwiGLU, grouped-query attention, RoPE и нормализацией q/k. Она принимает текст и выдаёт текст, поддерживает английский и китайский языки, а длина контекста составляет 2048 токенов. Для загрузки доступны веса Safetensors и экспорт GGUF в BF16 без квантизации, а также исходный файл состояния MiniMind. Лицензия — Apache-2.0.

Малый размер делает модель удобной для локальных экспериментов и изучения конвейера обучения и конвертации. Из-за ограниченной ёмкости у неё слабее рассуждения, математические способности, фактическая память и защитное поведение; её не следует применять в медицинских, юридических, финансовых и других критически важных сценариях.

Сценарии применения

  • локальные эксперименты с генерацией текста
  • изучение конвейера обучения небольшой языковой модели
  • тестирование инференса модели в формате GGUF
  • эксперименты с SFT и DPO для выравнивания ответов

Ограничения

Из-за малого размера модель ограничена в рассуждениях, математике, фактических знаниях и безопасном поведении. Не предназначена для медицинских, юридических, финансовых и иных критически важных решений.

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

mikky-64m

mikky-64m is a 63,912,192-parameter small language model named mikky. It was trained by HUANG JUNZHE 黄俊哲 with the minimind-scratch codebase, based on the MiniMind project/data format.

This release is intended as a compact learning and experimentation checkpoint for local inference, model-format conversion, and small-model alignment workflows.

Training Line

The released checkpoint uses the completed alignment path:

pretrain -> SFT -> mikky LoRA identity SFT -> DPO

GRPO was only run as a probe and is not used as the final release checkpoint. PPO was skipped because the local reward signal was not strong enough to justify another RL stage.

Identity

The model identity/persona is:

  • Name: mikky
  • Trainer: HUANG JUNZHE 黄俊哲
  • Origin: a small-parameter model trained from this MiniMind-based scratch project

Files

  • mikky-64m.pth: native minimind_scratch state dict, BF16 tensors.
  • model.safetensors: Qwen3-compatible Hugging Face tensor names, BF16 tensors.
  • mikky-64m-bf16.gguf: llama.cpp GGUF export, BF16, not quantized.
  • tokenizer.json, tokenizer_config.json: MiniMind tokenizer files.
  • config.json, generation_config.json: Qwen3-compatible metadata used for conversion and loading.

The final source checkpoint was checkpoints/dpo_768_resume.pth.

Prompt Format

The training code uses MiniMind chat markers:

<|im_start|>user
你的问题<|im_end|>
<|im_start|>assistant

Native Usage

Use the project code for native scratch inference:

python -m minimind_scratch.cli chat \
  --weight out/hf/mikky-64m/mikky-64m.pth \
  --prompt "请用一句话介绍你自己"

llama.cpp / GGUF

The GGUF file is BF16 and intentionally not quantized:

llama-cli -m mikky-64m-bf16.gguf \
  -p "<|im_start|>user\n请用一句话介绍你自己<|im_end|>\n<|im_start|>assistant\n" \
  -n 128

Notes

The GGUF export maps the scratch model to a Qwen3-compatible tensor layout because the model uses RMSNorm, SwiGLU MLP, grouped-query attention, RoPE, and q/k normalization. The GGUF structure and metadata were verified locally. Always verify generation quality in your target runtime before treating the GGUF file as production-ready.

Limitations

  • This is a very small model; expect limited reasoning, math, factual recall, and safety behavior.
  • It is not suitable for high-stakes medical, legal, financial, or safety-critical use.
  • GRPO/PPO are not part of the final release checkpoint.

Dataset And License

This model was trained with the MiniMind small-data recipe from jingyaogong/minimind_dataset. For this release, the dataset reference follows the MiniMind small dataset license: Apache-2.0.

Main data files used by this run:

  • pretrain_t2t_mini.jsonl: pretraining data.
  • sft_t2t_mini.jsonl: supervised fine-tuning data.
  • dpo.jsonl: preference data for DPO.
  • lora_identity_mikky.jsonl: project-authored identity/persona data for mikky.

The model card, exported native checkpoint, Safetensors checkpoint, and GGUF artifact are released under Apache-2.0.

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
5ef9c3d

0 моделей