/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
53 млн
Лицензия
Apache 2.0
Архитектура
deepseek_v4 · dense
Базовая модель
wader-100m-base
Библиотека
transformers
Опубликована
20 авг 2026

wader-100m

Генерация текстаТекст → текст3 профессии

Компактная экспериментальная модель neosantara для генерации ответов в чатах и выполнения инструкций на индонезийском языке.

72скачиваний за 30 дней0лайковвеса обновлены25 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

wader-100m — компактная языковая модель neosantara для диалогов и выполнения инструкций на индонезийском языке. Она дообучена методом SFT на neosantara/IndoTalkSFT поверх neosantara/wader-100m-base и реализует архитектуру DeepSeek-V4 в виде причинной языковой модели для генерации текста. В карточке указано около 110 млн параметров, тогда как метаданные каталога оценивают размер в 53 млн; контекст составляет 2048 токенов. Модель рассчитана на чат и продолжение текста на индонезийском языке.

Модель экспериментальная и имеет существенные ограничения качества: автор сообщает, что ответы часто бывают бессвязными или фактически неверными, а обучение включало лишь 5000 шагов предобучения и 3000 шагов SFT. Для запуска автор рекомендует fp32 из-за переполнения bf16 и требует trust_remote_code=True. Лицензия — Apache-2.0.

Сценарии применения

  • эксперименты с индонезийским чат-ботом
  • генерация ответов на индонезийские инструкции
  • продолжение коротких текстов на индонезийском языке

Ограничения

Автор предупреждает, что модель часто генерирует бессвязные или фактически неверные ответы; обучение ограничено 5000 шагами предобучения и 3000 шагами SFT. Для запуска рекомендуется fp32 из-за переполнения bf16, а загрузка требует trust_remote_code=True.

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

wader-100m 🐟

A small ~110M parameter language model implementing the DeepSeek-V4 architecture, fine-tuned for chat/instruction following in Indonesian. Trained from scratch — no weights from DeepSeek-V4 were used.

Architecture

This model implements key DeepSeek-V4 innovations at a miniature scale:

ComponentDetails
Parameters~110M total (41M embeddings, 69M non-embedding)
Hidden size320
Layers8
Attention heads8 (1 KV head — MQA-style)
MLAMulti-head Latent Attention with q_lora_rank=160
MoE4 routed experts + 1 shared, top-2 routing
Hyper-Connectionshc_mult=4, Sinkhorn routing (replacing residual connections)
MTP1 next-token prediction layer
Vocab129,280 (DeepSeek-V4 tokenizer)
Context2,048 tokens

Training

Stage 1: Pretraining

  • Dataset: neosantara/IndoTalk (396k dialogs)
  • Steps: 5,000 | Tokens: ~327M
  • Batch: 32 effective | Seq length: 2,048
  • Hardware: 1× NVIDIA RTX 5090 Blackwell

SFT Training Metrics

MetricValue
Final Train Loss~2.60 (Cross-Entropy at Step 3000)
Token Accuracy~51.71% (Predicting assistant responses)

Stage 2: SFT (this model)

  • Dataset: neosantara/IndoTalkSFT (~160K conversations & instructions)
  • Steps: 3,000 | Tokens: ~96M
  • Batch: 16 effective | Seq length: 2,048
  • Hardware: 1× NVIDIA RTX 5090 Blackwell

SFT Training Metrics

MetricValue
Final Train Loss~2.60 (Cross-Entropy at Step 3000)
Token Accuracy~51.71% (Predicting assistant responses)

Usage

import torch
from transformers import AutoConfig, AutoModelForCausalLM, AutoTokenizer

# IMPORTANT: This model requires a modern GPU (Ampere/Ada/Hopper) that supports bfloat16.
# Running on CPU or older GPUs (like T4) will result in NaN generation errors.
device = "cuda" if torch.cuda.is_available() else "cpu"

repo_id = "neosantara/wader-100m"
tokenizer = AutoTokenizer.from_pretrained(repo_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    repo_id, 
    trust_remote_code=True, 
    torch_dtype=torch.bfloat16
).to(device)

# Chat
messages = [{"role": "user", "content": "Halo, apa kabar?"}]
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
input_ids = tokenizer.encode(prompt, return_tensors="pt").to(device)

outputs = model.generate(
    input_ids, 
    max_new_tokens=200, 
    temperature=0.7, 
    top_p=0.9, 
    pad_token_id=tokenizer.eos_token_id,
    do_sample=True
)
print(tokenizer.decode(outputs[0][input_ids.shape[1]:], skip_special_tokens=True))

Limitations

  • Tiny model: 110M params with 129K vocabulary — most capacity goes to embeddings. Generations are often incoherent or factually wrong.
  • Undertrained: Only 5K pretrain + 3K SFT steps. Production models train for 100K+ steps on trillions of tokens.
  • bf16 NaN: Use fp32 — the Hyper-Connections architecture produces values that overflow bf16 range at this scale.
  • Custom code: Requires trust_remote_code=True.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
DeepseekV4ForCausalLM
Ревизия весов
9a82066

0 моделей