/ 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-instruct

Генерация текстаТекст → текст3 профессии

Компактная англоязычная модель на 27,1 млн параметров для диалогов и выполнения простых инструкций.

156скачиваний 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-instruct — небольшая англоязычная модель для диалогов и выполнения инструкций, разработанная с использованием кодовой базы Nexus. Она дообучена методом SFT на смеси примерно из 1,18 млн диалогов, включая SmolTalk, Tulu-3-Persona-IF, No-Robots и англоязычную часть WildChat. Базовая модель flame-27m-base обучалась на FineWeb-Edu-dedup, Cosmopedia-v2, ClimbMix и FineMath.

Модель содержит 27,1 млн параметров и использует авторегрессионную архитектуру NexusForCausalLM с декодером в стиле Llama, GQA и контекстом до 2048 токенов. Она принимает текст и генерирует текст; README также описывает возможность подключить визуальные токены через внешний проектор, но сама модель не является готовой мультимодальной системой.

Модель подходит для простых инструкций, диалогов и прототипирования компактных языковых систем. По данным карточки, она лучше соблюдает формат ответов после дообучения, но слаба в знаниях, рассуждениях и сложных многоусловных инструкциях; английский — единственный заявленный язык. Для задач, где ответ должен быть привязан к входному контексту, настройки генерации требуют внимания. Лицензия — Apache-2.0.

Сценарии применения

  • создание компактного англоязычного чат-бота
  • выполнение простых инструкций на английском языке
  • генерация коротких ответов по заданному текстовому контексту
  • прототипирование и исследование малых языковых моделей

Ограничения

Слабая на тестах знаний и рассуждений, а также ненадёжна при выполнении сложных инструкций с несколькими ограничениями. Поддерживает только английский; для привязанных к контексту ответов важно явно настроить параметры генерации.

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-instruct

A 27.1M-parameter English instruction-tuned model: flame-27m-base (pretrained on FineWeb-Edu-dedup + Cosmopedia-v2 + ClimbMix + FineMath) fine-tuned on a ~1.18M conversation instruction mixture. ~5× smaller than SmolLM-135M-Instruct.

  • 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).
  • Training: base → SFT (5 epochs, EMA weights) on SmolTalk + Tulu-3-Persona-IF + No-Robots + WildChat (English, non-toxic).

Usage (chat)

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

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

messages = [{"role": "user", "content": "Tell me about the moon in one sentence."}]
ids = tok.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt")
out = model.generate(ids, max_new_tokens=64, do_sample=True, temperature=0.7, top_p=0.9)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))

The decoder also accepts inputs_embeds (exactly one of input_ids / inputs_embeds), so a vision projector can splice visual tokens in — usable as a small VLM text backbone. A raw PyTorch checkpoint (pytorch_model.pth) is included alongside the safetensors weights.

Generation parameters

The model ships its own generate() (loaded via trust_remote_code). Two things to know:

  • It does not read generation_config.json. A bare model.generate(ids) uses the built-in defaults — temperature 0.85, top_p 0.85, top_k 50, repetition_penalty 1.0 — so pass the settings you want explicitly.
  • Greedy is do_sample=False, not temperature=0 (which divides by zero).

Measured presets, from a 28-prompt VLM-style sweep over 13 decoding configs:

UseSettingsMeasured
Answering about a given scene / image (VQA-style)do_sample=False, repetition_penalty=1.3, no_repeat_ngram_size=3, penalize_prompt=FalseBest overall: 59% grounded accuracy, no looping, shortest answers
Captions / open-ended descriptiondo_sample=True, temperature=0.7, top_p=0.9, repetition_penalty=1.3, no_repeat_ngram_size=3, penalize_prompt=FalseVaried and loop-free
ParameterDefaultWhat it does / when to change
repetition_penalty1.0Penalises tokens already seen. 1.3 stops this model's multi-sentence looping.
no_repeat_ngram_size0Blocks any n-gram from repeating (3 works well). Never blocks the end-of-turn token.
penalize_promptTrueSet False for anything grounded in the prompt. By default (Hugging Face semantics) both penalties also cover the prompt, which pushes the model away from copying the answer out of the context ("a red car", "Answer yes or no"). Limiting them to the reply raised grounded accuracy from 47% → 59% (greedy) and 27% → 39% (sampled).
temperature0.85Lower = more focused. Must be > 0.
top_p / top_k0.85 / 50Nucleus / top-k cutoffs.
max_new_tokens8192 (capped at the 2048-token context)Always set it — the model is at its best in short replies.
# VQA-style: answer from the context, deterministically
out = model.generate(ids, max_new_tokens=64, do_sample=False,
                     repetition_penalty=1.3, no_repeat_ngram_size=3, penalize_prompt=False)

# Captions / open-ended
out = model.generate(ids, max_new_tokens=120, do_sample=True, temperature=0.7, top_p=0.9,
                     repetition_penalty=1.3, no_repeat_ngram_size=3, penalize_prompt=False)

Benchmarks

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

Benchmarkchanceflame-27m-instructSmolLM-135M-Instruct
hellaswag2529.241.9
arc_easy2537.343.9
arc_challenge2522.627.4
piqa5059.367.0
winogrande5051.751.3
openbookqa2527.433.6
commonsense_qa2019.720.3
mmlu2524.924.4
average—34.038.7

These academic benchmarks measure base knowledge, which SFT cannot add. The richer instruction mixture was chosen to improve instruction-following and response quality, which it does (held-out assistant-token loss 1.34 → 1.23 vs a SmolTalk-only SFT, and cleaner format adherence) — at a small cost on the knowledge probes above. Benchmarks are the wrong lens for an instruct model's quality; they are shown only for comparability with the base and SmolLM.

Honest limitations

At 27M parameters this is near random chance on knowledge/reasoning benchmarks; the gap to SmolLM-135M is capacity, not data or tuning. Instruction-tuning adds response format, not facts. It follows simple instructions but cannot reliably satisfy hard multi-constraint prompts (IFEval ≈ 0) — that capability is bound by the 27M base, not the SFT data. A research/prototyping instruct 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
33250fc

0 моделей