/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpjtgpt2 · dense
Библиотека
transformers
Опубликована
3 сен 2026

1xrtx3090-moe-1

Генерация текстаТекст → текст3 профессии

Компактная GPT-2-подобная языковая модель с архитектурой Mixture-of-Experts для генерации текста и экспериментов.

358скачиваний за 30 дней0лайковвеса обновлены14 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

gpjt/1xrtx3090-moe-1 — авторская базовая языковая модель Giles Thomas, обученная с нуля на основе GPT-2-подобной архитектуры из книги Sebastian Raschka «Build a Large Language Model (from Scratch)». Модель предназначена для генерации текста и экспериментов с архитектурой Mixture-of-Experts (MoE), а не для надёжного решения сложных прикладных задач.

Модель содержит 446,410,752 параметра, из которых 219,697,152 активны на токен; в каждом из 12 слоёв есть шесть экспертов, два из которых используются одновременно. Размерность эмбеддингов — 768, контекст — 1 024 токена, механизм внимания использует 12 голов. Модель обучена на 8,928,264,192 токенах набора gpjt/fineweb-gpt2-tokens. Для запуска README приводит пример использования Transformers pipeline с trust_remote_code=True. Лицензия — Apache 2.0.

Это компактная экспериментальная модель для изучения и дальнейшего развития GPT-2-подобной MoE-архитектуры. Автор предупреждает, что модель слабо осведомлена о фактах и обладает ограниченными возможностями; её не следует выбирать для серьёзных задач, требующих точности или широких знаний.

Сценарии применения

  • эксперименты с архитектурой Mixture-of-Experts
  • генерация продолжений заданного текста
  • изучение GPT-2-подобных языковых моделей
  • создание прототипов на базе компактной языковой модели

Ограничения

Автор указывает, что модель слабо знает факты и не обладает достаточными возможностями для серьёзных задач. Контекст ограничен 1 024 токенами.

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

Model Card for gpjt/1xrtx3090-moe-1

This model is gpjt/1xrtx3090-moe-1, a trained-from-scratch base model that adds Mixture-of-Experts support to the GPT-2-style architecture from Sebastian Raschka's book "Build a Large Language Model (from Scratch)".

Model Details

Model Description

  • Developed by: Giles Thomas, based on code by Sebastian Raschka
  • Model type: GPT-2 style transformers-based causal LLM.
  • License: Apache 2
  • Parameters: 446,410,752 (219,697,152 active per token)
  • Context length: 1,024
  • Embedding dimensions: 768
  • MHA heads: 12
  • Layers: 12
  • Experts per layer: 6 (2 active)
  • QKV bias: False
  • Weight tying: False

Don't have high expectations for the model! It has only 446M parameters (the GPT-2 "small" size plus some extra FFNs for the MoE support) and was trained on 8,928,264,192 tokens, which means that it doesn't know many facts and is not terribly smart. If you want to do serious work, use a serious model (I like Qwen's). But if you want to build on this and see what you can do with a 2021-vintage LLM, please do feel free to play with it!

Model Sources

How to Get Started with the Model

You can download and run the model for inference directly:

from transformers import pipeline
pipe = pipeline("text-generation", model="gpjt/1xrtx3090-moe-1", trust_remote_code=True)
out = pipe(
    "Every effort moves you",
    max_new_tokens=20,
    do_sample=True,
    temperature=1.4,
    top_k=25,
)
print(out[0]["generated_text"])

Note that because it uses custom code, you'll need to set trust_remote_code to True.

It supports AutoTokenizer, AutoModel and AutoModelForCausalLM:

>>> from transformers import AutoTokenizer, AutoModel, AutoModelForCausalLM
>>> tokenizer = AutoTokenizer.from_pretrained("gpjt/1xrtx3090-moe-1")
>>> model = AutoModel.from_pretrained("gpjt/1xrtx3090-moe-1", trust_remote_code=True)
>>> llm_model = AutoModelForCausalLM.from_pretrained("gpjt/1xrtx3090-moe-1", trust_remote_code=True)

You can also fine-tune it; this notebook has an example.

Again, don't expect too much from this model! It's a 446M-parameter GPT-2 one, trained on a limited number of tokens. It's both dumb and ignorant ;-)

Training Details

  • Machine type: Local machine with an RTX 3090
  • Tokens: 8,928,264,192 tokens rounded up to the nearest batch.
  • Dataset: gpjt/fineweb-gpt2-tokens
  • Micro-batch size: 3
  • Global batch size: 96
  • Dropout: 0.0
  • Gradient clipping: 3.5
  • Learning rate: 0.0014
  • Schedule learning rate: True
  • Weight decay: 0.01

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
GPJTGPT2ModelForCausalLM
Ревизия весов
2069f21

0 моделей