/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
hybrid_gpt · dense
Базовая модель
hybrid-gpt-232m
Библиотека
transformers
Опубликована
23 июл 2026

hybrid-gpt-232m-chat

Генерация текстаТекст → текст3 профессии

Компактная англоязычная чат-модель GarageLM для генерации ответов и выполнения простых инструкций, дообученная методами SFT и DPO.

74скачиваний за 30 дней1лайквеса обновлены22 авг 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

garagelm/hybrid-gpt-232m-chat — компактная чат-модель GarageLM на 232 млн параметров, дообученная от garagelm/hybrid-gpt-232m с помощью SFT и DPO. Она использует архитектуру HybridGPTForCausalLM с гибридным локальным и глобальным вниманием и предназначена для генерации ответов в диалоговом формате и выполнения простых инструкций на английском языке. Модель обучали на SmolTalk и UltraFeedback-binarized; для диалога применяется шаблон User/Assistant, а конец ответа обозначается токеном GPT-2.

В оценках модель демонстрирует базовое следование инструкциям и немного превосходит базовую модель по BoolQ и TruthfulQA, однако её фактические ответы ненадёжны, а рассуждения неглубоки. Контекст ограничен 1024 токенами; SFT снизил результат ARC-Easy относительно базовой модели, а специальная настройка безопасности не проводилась. Авторы характеризуют чекпойнт как исследовательский артефакт и не рекомендуют его для задач, где важна точность. Лицензия — Apache-2.0.

Сценарии применения

  • создание простого англоязычного чат-бота
  • ответы на короткие пользовательские сообщения
  • выполнение простых инструкций на английском языке
  • эксперименты с дообучением небольших языковых моделей

Ограничения

Фактические ответы ненадёжны, рассуждения неглубоки, а контекст ограничен 1024 токенами. Специальное обучение безопасности не проводилось; модель не подходит для применения, где критична точность.

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

hybrid-gpt-232m-chat

v2 — the full post-training pipeline (SFT + DPO). The chat-tuned variant of hybrid-gpt-232m — see that card for the architecture, pretraining, and base evaluations (both cards are self-contained; the research code repo may be private). Trained end-to-end — pretraining included — on one Apple M4 Pro.

Recipe (initialized from the 1B-token base):

  1. SFT: ~310M formatted tokens of SmolTalk (all mix), ~1 epoch, assistant-only loss masking, LR 2e-5 cosine.
  2. DPO: UltraFeedback-binarized train_prefs, β=0.1, one epoch over 53,952 pairs, LR 1e-6, frozen SFT reference. Held-out preference accuracy 65.2% (1k pairs).

The previous release (60M-token SFT, no DPO) remains available at revision v1.

Measured behavior

All numbers from the same local lm-evaluation-harness setup used for every claim this lab publishes — reference models re-run locally on identical settings, never quoted from their cards.

IFEval (rule-verifiable instruction following; full 541-prompt set, chat template; ours served via MLX, reference via the HF backend, identical harness):

Modelprompt-strictinst-strict
SmolLM2-135M-Instruct (2T pretrain + full post-train stack)21.4%35.6%
hybrid-gpt-232m-chat (this model)13.9%25.1%

Real instruction-following exists at this scale — roughly a quarter of atomic constraints satisfied, ~65% of the reference's prompt-strict score with ~2000x fewer pretraining tokens.

Knowledge/comprehension (0-shot, n=300, acc): BoolQ .643 vs the base model's .623; TruthfulQA-mc2 .416 vs .393 — both slightly favor this chat model over its base.

Alignment tax, disclosed: the SFT stage costs measurable science-QA capability — full-set ARC-Easy (2,376 items) drops from .520 (base) to .498 after 310M SFT tokens; the DPO stage adds no further regression (HellaSwag/PIQA/ARC-Easy/WinoGrande all within one point of the SFT checkpoint). If you want maximum raw-benchmark capability, use the base model; this variant trades ~2 ARC-Easy points for chat quality and preference alignment.

Chat template

Plain text (no special tokens beyond gpt2's <|endoftext|>):

User: {message}
Assistant: {reply}<|endoftext|>

Multi-turn conversations repeat the pair. Generation should stop at <|endoftext|> (id 50256), which is the model's assistant-turn terminator.

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("garagelm/hybrid-gpt-232m-chat")
model = AutoModelForCausalLM.from_pretrained("garagelm/hybrid-gpt-232m-chat", trust_remote_code=True)
prompt = "User: Why is the sky blue?\nAssistant:"
out = model.generate(**tok(prompt, return_tensors="pt"), max_new_tokens=200,
                     eos_token_id=50256, do_sample=True, temperature=0.7, top_k=50)
print(tok.decode(out[0]))

Apple Silicon (MLX)

MLX conversions with real per-layer KV caches (bounded on the 12 sliding-window layers), decoding ~310 tok/s at float16 and ~530 tok/s at 4-bit on an M4 Pro:

Both are logit-parity-gated against this PyTorch implementation.

Limitations

A 232M-parameter research artifact, not a product assistant. Fluent, follows the conversational format and simple instructions, and stays on topic — but facts are unreliable, reasoning is shallow, context is 1024 tokens, English only. Preference tuning is UltraFeedback DPO only — no dedicated safety/alignment tuning. Do not deploy for anything where correctness matters. The measured capability cost of the chat tuning is stated above, not hidden.

Related: the base model is garagelm/hybrid-gpt-232m; milestone 13's sparse arm, garagelm/hybrid-gpt-moe-284m-a114m (8 experts, top-2, 284M total / 114M active), is a reproducibility artifact with its controls on its card, not a stronger model.

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
HybridGPTForCausalLM
Ревизия весов
c04e97b

0 моделей