/ Модель

Характеристики

Лицензия
MIT
Опубликована
29 мая 2026

tinystories-25m

Генерация текстаТекст → текст

Компактный трансформер, обученный с нуля для генерации коротких простых детских историй на английском языке.

110скачиваний за 30 дней3лайкавеса обновлены29 мая 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

TinyStories GPT — компактный авторегрессионный трансформер, созданный разработчиком epoyraz и обученный с нуля на наборе TinyStories. Модель предназначена для генерации коротких простых историй на английском языке, особенно детских рассказов; это также небольшой настраиваемый пример архитектуры и методов обучения современных языковых моделей.

Модель имеет архитектуру decoder-only Transformer в стиле LLaMA/modded-nanoGPT: 8 слоёв, 6 голов внимания, размер скрытого представления 384 и словарь ByteLevel BPE на 16 384 токена. Контекст составляет 256 токенов. В обучении применялись Muon, QK-Norm, squared-ReLU MLP, ограничение логитов и проекции с нулевой инициализацией. Репозиторий содержит веса PyTorch и определение собственной архитектуры, необходимое для запуска. Лицензия — MIT.

Модель хорошо подходит для экспериментов с генерацией коротких историй и изучения компактных трансформеров. Она обучена только на простых англоязычных детских рассказах, не является универсальным ассистентом и может повторяться, путать имена или терять последовательность; короткое контекстное окно ограничивает длину текста.

Сценарии применения

  • генерация коротких детских рассказов на английском
  • продолжение истории по заданному началу
  • эксперименты с компактной GPT-моделью
  • изучение методов обучения трансформеров на небольшом GPU

Ограничения

Обучена только на простых англоязычных детских историях и не предназначена для роли универсального ассистента. Контекст ограничен 256 токенами; возможны повторы, путаница в именах и потеря последовательности.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TinyStories GPT (19M)

A small (~19.2M parameter) decoder-only GPT trained from scratch on TinyStories. It writes simple, coherent children's stories and is a compact, hackable reference for modern LLM architecture + optimization techniques — trained end-to-end in a few minutes on a single consumer GPU (RTX 2060 Super, 8 GB).

This checkpoint uses the full modded-nanoGPT-style recipe: the Muon optimizer plus QK-Norm + squared-ReLU MLP + logit soft-capping + zero-init projections. Each technique was A/B-measured on the 2060; together they lower validation loss from 2.65 (plain AdamW/SwiGLU baseline) to 2.40 at the same 3,000 steps.

Sample output

Once upon a time, there was a little girl named Lily. She loved to play with her toys and her favorite toy, a toy truck. One day, Lily's mommy made her a yummy chocolate cake to make her happy. Lily's friend, Timmy, came over to play...

Lily and Tom went to the park and saw a big dog... "Mom, mom, the dog is coming!" Lily cried. "The dog is not mean. It was friendly and friendly. It wants to play with us."

Architecture

A LLaMA-/modded-nanoGPT-style decoder-only transformer:

ComponentChoice
Layers / heads / dim8 layers, 6 heads, n_embd 384
Context length256 tokens
Vocabulary16,384 (ByteLevel BPE)
Position encodingRoPE
AttentionGrouped-Query Attention (2 KV heads) + QK-Norm
MLPsquared-ReLU (ungated)
NormalizationRMSNorm
Initzero-init block output projections (muP-like)
Logitssoft-capped at 15 (cap·tanh(logits/cap))
Extra headsMulti-Token Prediction (2 auxiliary heads)
Weight tyingtoken embedding ↔ output head (and MTP heads)

Training

DatasetTinyStories (~2.1M stories)
Steps3,000
Batch40 × 256 tokens
OptimizerMuon (2D weights) + AdamW (embeddings/norms), peak LR 3e-3, cosine schedule
Precisionfp16 mixed precision, torch.compile
Hardware1× RTX 2060 Super (8 GB), ~8 minutes
Train loss2.47 (combined next-token + MTP auxiliary)
Validation loss2.40 (perplexity ~11.0)

Usage

This is a custom architecture, so you need model.py from this repo (small, dependency-light). Download it next to your script, then:

import torch
from huggingface_hub import hf_hub_download
from tokenizers import Tokenizer
from model import GPT  # model.py downloaded from this repo

repo = "epoyraz/tinystories-25m"
ckpt = torch.load(
    hf_hub_download(repo, "tinystories-25m.pt"),
    map_location="cpu", weights_only=True,
)
model = GPT(ckpt["config"]).eval()
model.load_state_dict(ckpt["model"])

tok = Tokenizer.from_file(hf_hub_download(repo, "tokenizer.json"))
ids = tok.encode("Once upon a time,").ids
out = model.generate(
    torch.tensor([ids]), max_new_tokens=120, temperature=0.7, top_k=40,
)
print(tok.decode(out[0].tolist()))

pip install torch tokenizers huggingface_hub

Files

  • tinystories-25m.pt — checkpoint (config + model state dict)
  • model.py — model definition (GPT, all techniques)
  • config.json — the model config, for reference
  • tokenizer.json — ByteLevel BPE tokenizer (16K vocab)

Limitations

  • Trained only on TinyStories — simple children's-story English, not a general assistant.
  • Small and lightly trained: occasional repetition, name swaps, or drift.
  • 256-token context.

References

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
4cae3f7

0 моделей