/ Модель

Характеристики

Контекст
16 384 токена
Параметры
1,1 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
3 авг 2026

rivet-1b-pt

Генерация текстаТекст → текст3 профессии

Rivet-1B-PT — компактная базовая языковая модель на 1,1 млрд параметров для продолжения текста, дообучения и исследований предобучения.

92скачиваний за 30 дней2лайкавеса обновлены4 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

Rivet-1B-PT — базовая языковая модель с 1,1 млрд параметров, разработанная josh-a и обученная с нуля без унаследованных весов. Она использует архитектуру Qwen3ForCausalLM для совместимости с Transformers, но не разделяет веса с моделями Qwen. В репозитории находится исходный предобученный чекпойнт до этапа обучения следованию инструкциям; модель продолжает текст и рассчитана на дообучение собственных моделей и исследования предобучения компактных языковых моделей.

Модель принимает текст и генерирует текст, поддерживает английский язык и контекст до 16 384 токенов. Для предобучения использовано около 129 млрд токенов; веса доступны в формате safetensors. Это базовая модель без чат-поведения, следования инструкциям, выравнивания или отказов, а её фактические знания и способности ограничены небольшим размером. Лицензия — Apache-2.0.

Сценарии применения

  • дообучение компактной языковой модели на собственных данных
  • исследование динамики предобучения языковых моделей
  • эксперименты с генерацией и продолжением английского текста

Ограничения

Модель не следует инструкциям и не предназначена для диалогового использования; у неё нет чат-шаблона, выравнивания и механизма отказов. Из-за размера 1,1 млрд параметров её фактические знания и способности ограничены.

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

Rivet-1B-PT (base model)

The pretrained base of Rivet-1B: a 1.09B parameter language model trained entirely from scratch (custom tokenizer, custom corpus, no inherited weights). This repo holds the raw pretrained checkpoint (v9 lineage), before any supervised fine-tuning.

Uses the Qwen3 architecture for serving compatibility. Shares no weights with Qwen: the tokenizer (custom 32k SentencePiece) and every parameter were trained from zero.

Note: this is the raw base model. It completes text; it does not follow instructions. The post-trained sibling (rivet-1b-it), which chats and reasons in <think> blocks, is not currently released.

What this is for

  • Fine-tuning your own model on top of a from-scratch 1B with a 16K context
  • Research into small-model pretraining dynamics (full pipeline and data disclosure in the technical report)
  • A clean, fully-documented provenance chain: every pretraining token is public data or documented

Training lineage

  1. v6 pilot: 6.3B tokens, deliberately undertrained (2x RTX 5090)
  2. v7 main pretrain: ~100B tokens over 7 weeks (from the 283.4B-token corpus), eval loss 1.598 (2x RTX 5090)
  3. v8 context extension: RoPE ABF (theta 100K → 1e6) to 16K context, +3B long-doc tokens (2x H100)
  4. v9 "intelligence run": +20B tokens reweighted toward reasoning/math/code, eval loss 1.477. This checkpoint.

Total: ~129B tokens trained from the 387.5B-token pool (full composition in the technical report).

Training logs

Raw TensorBoard event files for the v7 main pretrain and v9 intelligence run are in tensorboard/ (the report's loss-curve figure is generated from these).

Model details

Params1,086,422,528
ArchitectureQwen3ForCausalLM (from-scratch weights)
Hidden / layers2048 / 22
Heads16 query / 8 KV (GQA), head_dim 128
FFN5504 (SwiGLU)
Vocab32000 (custom SentencePiece)
Context16384 (RoPE θ=1e6; YaRN-extrapolable to ~64K)
Tokenizercustom 32k; <think>=4, </think>=5, `<

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

m = "josh-a/rivet-1b-pt"
tok = AutoTokenizer.from_pretrained(m)
model = AutoModelForCausalLM.from_pretrained(m, dtype=torch.bfloat16).to("cuda").eval()

ids = tok("The capital of New Zealand is", return_tensors="pt").to("cuda")
out = model.generate(**ids, max_new_tokens=20, do_sample=False)
print(tok.decode(out[0][ids["input_ids"].shape[1]:]))
# -> " Wellington" (as of the v9 intelligence run)

Evals

Per-question GSM8K results are in evals/gsm8k_v10_results.jsonl (1,319 rows: question, gold, prediction, raw output tail). Note: GSM8K was run on the post-trained sibling checkpoint (rivet-1b-it, not released), scoring 12.7% (168/1319). Methodology in the technical report.

Limitations

  • This is a base model: no instruction following, no chat template behaviour, no refusals, no alignment of any kind.
  • Factually modest (1B parameters); see the technical report for the honest eval picture.

License

Apache-2.0. From-scratch weights; no upstream model license applies.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
82355f1

0 моделей