/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
27,1 млн
Лицензия
Apache 2.0
Архитектура
nexus · MoE
Библиотека
transformers
Опубликована
9 сен 2026

flame-27m-base

Генерация текстаТекст → текст3 профессии

Компактная англоязычная базовая модель для генерации текста, исследований малых языковых моделей и быстрых прототипов.

91скачиваний за 30 дней0лайковвеса обновлены11 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

flame-27m-base — небольшая базовая языковая модель, разработанная автором репозитория и обученная с нуля для исследований малых моделей и быстрых экспериментов. Она предназначена для генерации английского текста и может служить лёгкой декодерной основой для прототипов. Модель содержит 27,1 млн параметров и использует архитектуру NexusForCausalLM с декодером в стиле Llama и механизмом GQA; контекст — 2048 токенов.

Предобучение проведено на 300 млрд токенов из образовательных веб-материалов, синтетических учебников и математических текстов. По данным карточки, модель показывает связную генерацию, однако её ответы ненадёжны по фактам, а на сложных задачах на знания и рассуждение результаты близки к случайному уровню. Поддерживается английский язык. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с малыми языковыми моделями
  • быстрое прототипирование генерации английского текста
  • создание лёгкой декодерной основы для исследовательских проектов

Ограничения

Модель ненадёжна в фактических ответах и слабо справляется со сложными задачами на знания и рассуждение. Она рассчитана на английский язык и не подходит как надёжная база знаний.

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

flame-27m-base

A 27.1M-parameter English base language model, pretrained on curated educational web + synthetic textbooks + math. The largest of the ember/spark/flame family of deliberately tiny models for small-model research, fast experimentation, and as a lightweight decoder backbone. ~5× smaller than SmolLM-135M.

  • Architecture: Llama-style decoder — hidden 512, 8 layers, 8 heads / 2 KV heads (GQA), intermediate 1280, RoPE (θ=1e6), context 2048, vocab 12000 (English BPE).
  • Pretraining: 300B tokens (~11,070 tokens/param), mixture FineWeb-Edu-dedup 0.44 / Cosmopedia-v2 0.24 / ClimbMix 0.16 / FineMath-3+ 0.10 / FineMath-4+ 0.06. Decontaminated against the eval benchmarks.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("ifx-pse-sys-ml/flame-27m-base", trust_remote_code=True)
tok = AutoTokenizer.from_pretrained("ifx-pse-sys-ml/flame-27m-base")

ids = tok("The moon is", return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=40, do_sample=True, temperature=0.8, top_p=0.9)
print(tok.decode(out[0], skip_special_tokens=True))

It also accepts inputs_embeds (pass exactly one of input_ids / inputs_embeds), so a vision projector can inject visual tokens — usable as a small VLM text backbone. The tokenizer keeps the Qwen2.5 multimodal special tokens (<|vision_start|> etc.) intact. A raw PyTorch checkpoint (pytorch_model.pth) is included alongside the safetensors weights.

Benchmarks

Accuracy (%) via lm-evaluation-harness 0.4, same harness and shots for every model, so columns are directly comparable.

Benchmarkchanceflame-27m-baseSmolLM-135M
hellaswag2530.742.6
arc_easy2540.856.1
arc_challenge2524.528.9
piqa5061.668.4
winogrande5051.553.2
openbookqa2529.034.0
commonsense_qa2019.519.8
mmlu2525.825.2
average—35.441.0

flame reaches 35.4 avg at 1/5 the parameters of SmolLM-135M and edges it on MMLU (25.8 vs 25.2). On the neutral Wikipedia holdout its bits-per-byte (the tokenizer-fair metric) is 1.140, a 15% reduction over the 13M spark and 24% over the 6.5M ember — the family's scaling curve is still steep at this size.

Honest limitations

At 27M parameters this model is near random chance on the hardest reasoning/knowledge benchmarks (ARC-Challenge, CommonsenseQA, most of MMLU). Generation is fluent and on-register but factually unreliable — it models how educational text reads, not what is true. A research/prototyping model and a lightweight decoder, not a knowledge model. English only. Trained with the Nexus codebase.

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
NexusForCausalLM
Ревизия весов
2509c88

0 моделей