/ Модель

Характеристики

Параметры
43,6 млн
Лицензия
MIT
Архитектура
san · dense
Опубликована
2 сен 2026

san-xsmall

Генерация текстаТекст → текст3 профессии

Компактная модель SAN на PyTorch для генерации текста и экспериментов с альтернативной архитектурой языковых моделей.

79скачиваний за 30 дней0лайковвеса обновлены2 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

SAN x-small — компактная языковая модель Simple Attention Network, разработанная Kenpeter и представленная как PyTorch-порт архитектуры needle. В репозитории опубликованы веса конфигурации на 12 слоёв; в метаданных указано 43,6 млн параметров, а в README — около 31 млн. Архитектура включает GQA с RoPE и обучаемым gate, HadamardMLP, Engram-память для n-грамм, Multi-Lane Hyper-Connections с маршрутизацией Sinkhorn и MTP-head. Контекст — 2048 токенов, точность — bfloat16, словарь связан с SmolLM2-135M.

Модель предназначена для генерации текста и экспериментов с компактной архитектурой SAN. Она обучалась локально; опубликованный чекпойнт соответствует шагу 137 260 из запланированного миллиона. В README приведена средняя perplexity 23,74 на последней оценке, а также отмечено, что образцы текста зацикливаются, поэтому качество генерации ограничено. Лицензия репозитория — MIT.

Сценарии применения

  • эксперименты с генерацией текста на компактной языковой модели
  • изучение архитектуры SAN и её компонентов
  • оценка perplexity небольшой авторегрессионной модели

Ограничения

Чекпойнт отражает незавершённое обучение: выполнено 137 260 из запланированного 1 000 000 шагов. README сообщает, что генерируемые образцы зацикливаются; указанная perplexity составляет 23,74 в среднем.

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

SAN x-small

Simple Attention Network — a ~31M-parameter custom LLM, a faithful PyTorch port of the needle architecture (arXiv:2607.18363). Trained locally on an RTX 4070 Ti 12 GB.

This repo contains the released weights for the 12-layer configuration.

Files

filewhat
pytorch_model.binmodel state_dict (load via san_model.SimpleAttentionNetwork.load_state_dict)
san_latest.ptraw training checkpoint (step 137,260): {step, loss, model_state_dict, optimizer_state_dict, config}
config.jsonarchitecture hyperparameters
tokenizer/SmolLM2-135M tokenizer (vocab 49152)
san_model.py, san_triton.pymodel definition (needed to load the weights)
load_example.pyminimal load + forward example

Load

from san_model import SimpleAttentionNetwork, SANConfig
import torch
cfg = SANConfig(num_layers=12)
model = SimpleAttentionNetwork(cfg).eval()
sd = torch.load("pytorch_model.bin", map_location="cpu")
model.load_state_dict(sd)

See load_example.py. Full training/eval code: GitHub kenpeter/x-small.

Architecture (released config)

  • params ~31M · d_model 384 · 12 layers · 8 heads / 4 KV heads (GQA)
  • vocab 49152 (SmolLM2-135M) · context 2048 · bfloat16
  • components: ZCRMSNorm, HadamardMLP, GQA + RoPE + learned gate, Engram n-gram KV memory, Multi-Lane Hyper-Connections (MHC, Sinkhorn routing), MTP head, tied embeddings

Training & eval

  • Curriculum over 16 domains; target 100w (1,000,000) steps; eff batch 64.
  • Last training step 137,260 (of 1,000,000).
  • Last eval (step 123,141) perplexity: mean 23.74 (code 10.25 / math 29.62 / prose 31.34). Perplexity is the usable quality signal at this scale; sample text loops regardless.
  • The flat training loss near ~2.0 is curriculum-mix masking, not model stall.

License

MIT (code). Weights released for research use.

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура san неизвестна transformers в образе рантайма.

Ревизия весов
8fa7222

0 моделей