/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
63,9 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
18 сен 2026

manas-64m-pretrain

Генерация текстаТекст → текст3 профессии

Компактная модель Qwen3 на 63,9 млн параметров, обученная с нуля для экспериментов с генерацией английского текста и изучения этапов предобучения.

135скачиваний 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 Pretraining — компактная языковая модель на 63,9 млн параметров, созданная Kuluru Vineeth с нуля на случайных весах. Это начальный этап семейства Manas, обученный предсказывать следующий токен примерно на 1,5 млрд токенов английских веб-текстов, учебных материалов и рассказов. Модель использует архитектуру Qwen3 с 8 слоями и контекстным окном 32 768 токенов; экспортирована в формате safetensors для Transformers.

Модель предназначена для изучения предварительного обучения и изменений качества на последовательных этапах Manas, а также для небольших экспериментов с генерацией английского текста и диалогами. Результаты на тестах ARC и HellaSwag близки к случайному уровню: из-за малого размера у модели ограничены знания о мире, она может уверенно ошибаться и терять нить в длинных беседах. Не подходит для важных задач. Лицензия — Apache-2.0.

Сценарии применения

  • изучение влияния этапов обучения на языковую модель
  • эксперименты с предсказанием следующего токена
  • генерация коротких фрагментов английского текста
  • тестирование запуска компактной модели через Transformers, vLLM или SGLang

Ограничения

Модель имеет ограниченные знания о мире, может уверенно выдавать фактические ошибки и терять нить в длинных беседах; результаты на приведённых тестах близки к случайному уровню. В README модель описана как учебный и исследовательский артефакт, непригодный для важных задач.

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 · Pretraining

The base model: 63.9M parameters trained from random weights on about 1.5B tokens of English web, textbook and story text. Every other Manas stage starts here.

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

Results

value
held-out loss2.145
training loss, first → last log point5.552 → 2.074
training steps92,814
tokens processed≈1.52B (throughput × time)
wall-clock175 min at ~145k 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_challenge21.8%25.1%500
arc_easy31.8%25.0%500
hellaswag35.4%25.0%500
mmlu25.0%25.0%500
openbookqa28.8%25.0%500
average28.6%

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-pretrain"
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-pretrain).

Training

  • Lineage: starts from random weights.
  • Method: next-token prediction, sequence length 512, batch 32 with 8 accumulation steps, cosine decay to 10% of the peak learning rate.
  • Data: pretrain_t2t.jsonl: FineWeb-Edu sample-10BT, Cosmopedia v2, TinyStories (sources and licenses).
  • Trainer: trainer/train_pretrain.py, peak learning rate 5e-4 (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
  • pretrain_full_768.pth: the raw training checkpoint for the training code
  • pretrain_full_768_metrics.jsonl, pretrain_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
aa8ca1e

0 моделей