/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
63,9 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Базовая модель
manas-64m-pretrain
Библиотека
transformers
Опубликована
18 сен 2026

manas-64m-full-sft

Генерация текстаТекст → текст3 профессии

Компактная англоязычная чат-модель Qwen3 для простых вопросов, диалогов и вызова инструментов.

160скачиваний за 30 дней0лайковвеса обновлены2 окт 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

Manas-64M Full SFT — разработанная kuluruvineeth чат-модель на архитектуре Qwen3, дообученная на разговорах, коротких рассуждениях и вызовах инструментов. Она предназначена для простых вопросов, диалогов и выдачи структурированных блоков вызова инструментов; доступна как checkpoint для Transformers и загружается в vLLM и SGLang без специального кода.

Модель содержит 63,9 млн параметров, использует плотную архитектуру Qwen3 с 8 слоями и контекстом 32 768 токенов. Она обучена только на английском языке. Карточка приводит результаты небольших тестов, близкие к случайному уровню, и отмечает, что модель обладает ограниченными знаниями, может уверенно ошибаться и терять нить в длинных беседах. Это учебный и исследовательский артефакт; лицензия — Apache-2.0.

Сценарии применения

  • ответы на простые вопросы на английском языке
  • эксперименты с дообучением малых языковых моделей
  • изучение влияния этапов обучения на поведение модели
  • проверка интерфейса вызова инструментов в чат-модели

Ограничения

Небольшой размер ограничивает знания модели: она может уверенно выдавать неверные факты и терять нить в длинных диалогах. В README рекомендуется не использовать её для важных задач; результаты приведённых тестов близки к случайному уровню.

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

Manas-64M · Supervised fine-tuning

The chat model: the pretrained base fine-tuned on conversations, short reasoning traces and tool calls. It answers simple questions and emits well-formed <tool_call> blocks.

Try it: chat Space · Every stage: collection · Code: github.com/kuluruvineeth/manas · Data: manas_dataset

Results

value
held-out loss1.375
training loss, first → last log point1.647 → 1.000
training steps295,954
tokens processed≈3.69B (throughput × time)
wall-clock475 min at ~129k tokens/s

training curves

Benchmarks

Zero-shot multiple choice, 500 items per task, scored by comparing answer log-likelihoods (scripts/evaluate.py).

benchmarkaccuracyrandom chanceitems
arc_challenge21.2%25.1%500
arc_easy32.4%25.0%500
hellaswag35.2%25.0%500
mmlu25.8%25.0%500
openbookqa25.4%25.0%500
average28.0%

A 64M model has far less capacity than these benchmarks assume, so scores sit near random chance. They are published because hiding them would be dishonest, and they move by about a point between stages, which is within noise at 500 items.

Use

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "kuluruvineeth/manas-64m-full-sft"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)

messages = [{"role": "user", "content": "What is the capital of France?"}]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt", return_dict=True)
out = model.generate(**inputs, max_new_tokens=60, do_sample=False)
print(tokenizer.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))

The export is a standard transformers checkpoint, so vLLM and SGLang load it with no custom code (vllm serve kuluruvineeth/manas-64m-full-sft).

Training

  • Lineage: starts from manas-64m-pretrain.
  • Method: loss on assistant tokens only, sequence length 768, batch 16, cosine decay to 10% of the peak learning rate.
  • Data: sft_t2t.jsonl: SmolTalk, OpenHermes-2.5, UltraChat 200k, Hermes and Glaive function calling, short OpenThoughts traces (sources and licenses).
  • Trainer: trainer/train_full_sft.py, peak learning rate 1e-5 (from the training log).
  • Hardware: one A100 or H100 GPU on Modal (gpu/modal_train.py).
  • Architecture: Qwen3 layout: 768 hidden, 8 layers, 8 query / 4 key-value heads (head dim 96), SwiGLU MLP of width 2,432, RoPE θ = 10⁶, tied embeddings, 6,400-token byte-level BPE vocabulary. 63,912,192 parameters.

Limitations

English only. At this size the model has little world knowledge: it is confidently wrong about facts that need it, loses the thread in long conversations, and should not be used for anything that matters. It is a teaching and research artifact for studying how each training stage changes a model.

Files

  • model.safetensors, config.json, tokenizer.json, chat_template.jinja: the transformers export
  • full_sft_full_768.pth: the raw training checkpoint for the training code
  • full_sft_full_768_metrics.jsonl, full_sft_full_768_curves.png: the training log and its plot

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
0b17705

0 моделей