/ Модель

Характеристики

Контекст
1 024 токена
Параметры
30,5 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
3 окт 2026

tinybrainbot-25m-v4-base

Генерация текстаТекст → текст

Компактная базовая языковая модель TinyBrainBot, обученная с нуля для продолжения англоязычного текста и экспериментов с небольшими LLM.

353скачиваний за 30 дней0лайковвеса обновлены4 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

TinyBrainBot-25M-v4-Base — компактная базовая языковая модель, разработанная автором репозитория и обученная с нуля для продолжения текста. Это плотная decoder-only модель архитектуры, совместимой с Llama: 16 слоёв, скрытая размерность 384, grouped-query attention, RoPE, SwiGLU и RMSNorm. В трансформере 25,18 млн параметров, а с общей матрицей эмбеддингов — около 30,55 млн. Модель обучалась на 11 млрд токенов; контекст составляет 1024 токена.

Модель предназначена для генерации продолжения текста и экспериментов с небольшими языковыми моделями. В README заявлены результаты выше Pythia-70M по 10 из 13 бенчмарков при сопоставимых настройках оценки; это результаты автора модели. Токенизатор — byte-level BPE на 14 тыс. токенов, сохраняющий пробелы и переносы строк; карточка указывает английский язык. Доступны веса Safetensors и GGUF в вариантах F16 и Q8_0. Лицензия — Apache-2.0.

Это базовая модель, а не готовый чат-ассистент: она продолжает текст и не заявляет инструкции или диалоговое поведение. Небольшой контекст и размер ограничивают сложное рассуждение и длинные документы; примеры README показывают возможные фактические и языковые ошибки.

Сценарии применения

  • генерация продолжения англоязычного текста
  • создание коротких историй и повествовательных фрагментов
  • генерация справочных и энциклопедических текстов
  • эксперименты с дообучением компактной языковой модели
  • оценка небольших LLM на языковых бенчмарках

Ограничения

Это базовая модель для продолжения текста, а не готовый чат-ассистент; соблюдение инструкций не заявлено. Контекст ограничен 1024 токенами, а небольшие размер и вычислительная ёмкость могут приводить к ошибкам в фактах и рассуждениях.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

TinyBrainBot-25M-v4-Base

A 25M-parameter language model trained from scratch on 11B tokens, part of the TinyBrainBot v4 series. 25.2M parameters in the transformer itself, plus a 5.4M tied embedding for its 14k vocabulary (30.6M total). It is a base model: it continues text.

It beats Pythia-70M, which has more than twice the parameters and saw 300B tokens, on 10 of 13 benchmarks (ties a further one), and averages 38.5 against Pythia-70M's 35.9.

Benchmark (0-shot)TinyBrainBot-25M-v4Pythia-31MPythia-70M
ARC-Easy42.733.736.0
ARC-Easy (raw acc)47.337.238.2
ARC-Challenge24.921.021.8
ARC-Challenge (raw acc)21.016.617.6
SciQ65.951.556.4
SciQ (raw acc)73.760.064.0
OpenBookQA31.226.825.4
OpenBookQA (raw acc)17.213.012.6
MMLU23.722.922.9
HellaSwag37.233.633.8
HellaSwag (raw acc)32.531.230.8
PIQA60.256.659.2
PIQA (raw acc)60.057.559.8
WinoGrande52.649.352.9
Social IQa37.235.135.4
CommonsenseQA20.319.719.8
LAMBADA (OpenAI)23.417.823.4
BoolQ58.851.059.6
MathQA21.919.520.4
MathQA (raw acc)23.219.220.9
Average38.533.735.9

EleutherAI lm-eval-harness v0.4.13, 0-shot, up to 2,000 examples per task, acc_norm where the task reports it and acc otherwise. All three models were run by us on the same harness and settings.

Quick start

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "nkthebass/tinybrainbot-25m-v4-base"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo)

ids = tok("Once upon a time, a little fox", return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=80)       # defaults from generation_config.json
print(tok.decode(out[0], skip_special_tokens=True))

GGUF (llama.cpp, LM Studio, Ollama): tinybrainbot-25m-v4-base-F16.gguf (59 MB) and tinybrainbot-25m-v4-base-Q8_0.gguf (31 MB) are in this repo. They tokenize and generate identically to the transformers version.

llama-cli -m tinybrainbot-25m-v4-base-Q8_0.gguf -p "Once upon a time, a little fox" -n 80 --temp 0.7 --repeat-penalty 1.15

Default sampling: temperature 0.7, top_p 0.95, top_k 40, repetition_penalty 1.15.

Samples

Unedited, at the default settings.

Once upon a time, a little fox named Mia decided to start her own small business selling handmade crafts at the local community center. She wanted to make sure that everyone had enough supplies and opportunities to buy their favorite items. So, she gathered some friends and helped them find a creative idea for making their own goods.

Dear diary, today was a fun and exciting day with lots of memories! I found out that every single day, we learned about the fascinating world of animal behavior and how it affects us all. So let's continue exploring this amazing subject together!

Photosynthesis is the process by which light energy is converted into chemical energy (e.g., glycolysis). Photosynthetic bacteria convert sunlight, carbon dioxide, and water to glucose (a sugar-sweetened food), oxygen, and nitrogen, respectively.

Model

ArchitectureLlama-compatible decoder, RoPE, SwiGLU, RMSNorm, grouped-query attention
Shapehidden 384, 16 layers, 6 heads of 64, 2 KV heads, FFN 1024
Parameters25.18M non-embedding + 5.38M tied embedding = 30.55M
Context1,024 tokens
Vocabulary14,000

Deep and narrow on purpose: at this size, adding layers helps more than adding width.

Tokenizer

A new 14k byte-level BPE trained for this model on a sample of its own training mix:

  • Newlines and indentation survive exactly, so code, lists and verse keep their shape.
  • Digits are split one per token. "1234" and "1243" share their pieces, which is what small models need to learn arithmetic.
  • No unknown tokens. Every byte is in the base alphabet.
  • Chat and reasoning markers (<|user|>, <|assistant|>, <|end|>, <think>, </think>) are single tokens, reserved for fine-tuning. <|endoftext|> (id 0) separates documents.

Training

11.0B tokens on 2x Tesla V100 16GB, about 22 hours, fp16, AdamW (0.9, 0.95), weight decay 0.1, peak LR 2e-3, 131k tokens per step, warmup-stable-decay schedule.

Stage 1 - 9.7B tokens, general mix. Every source under 3 epochs.

GroupShareSources
Web37%FineWeb-Edu 28, DCLM 9
Reference13.5%Wikipedia article leads 12, full Wikipedia 1.5
Narrative11%Project Gutenberg 8, BookCorpusOpen 3
Code9%The Stack (smol) 7.5, Python/JS 1.5
Math9%MegaMath-Web-Pro 6, FineMath-4+ 3
Synthetic textbooks7.5%Cosmopedia (Stanford, OpenStax, auto-math)
Q&A and facts7%distilled Q&A, short facts, cause-and-effect explanations
Educational PDFs5.5%FinePDFs-Edu
Reasoning0.5%distilled short reasoning

Stage 2 - 500M tokens. The same mix with 7.8% added: everyday physical-commonsense writing (2.5%), procedural "goal and method" writing (1.8%), worked order-of-operations problems (2%) and short facts (+1.5%). All of it is generated text written for this purpose; none of it is benchmark data. Stage 1 ended with a short LR decay, which stage 2 re-warmed.

Stage 3 - 803M token anneal. LR decays to zero over a fact-dense mix: Cosmopedia, FineMath, FinePDFs-Edu, Wikipedia leads, distilled Q&A and reasoning, plus the stage 2 additions.

The packed corpus was block-shuffled and its document density checked shard by shard before training, so every stage is an even mix rather than one source after another.

Reproduce the benchmarks

lm_eval --model hf --model_args pretrained=nkthebass/tinybrainbot-25m-v4-base,dtype=float32 \
  --tasks arc_easy,arc_challenge,sciq,openbookqa,mmlu,hellaswag,piqa,winogrande,social_iqa,commonsense_qa,lambada_openai,boolq,mathqa \
  --num_fewshot 0 --limit 2000 --batch_size 8 --seed 1234

TinyBrainBot v4

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
197f297

0 моделей