/ Модель

Характеристики

Контекст
512 токенов
Параметры
56 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
4 сен 2026

wicara-56m-base

Генерация текстаТекст → текст3 профессии

Компактная базовая LLaMA-подобная модель для продолжения индонезийского текста и дообучения под индонезийские NLP-задачи.

26скачиваний за 30 дней0лайковвеса обновлены4 сен 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

Wicara 56M Base — базовая языковая модель, которую Bagus Ardin Prayoga обучил с нуля для индонезийского языка. Это плотная авторегрессионная модель семейства LLaMA на 56 млн параметров, реализованная с RMSNorm, RoPE, SwiGLU и Grouped-Query Attention. Она обучалась на 1,12 млрд токенов индонезийских текстов; максимальная длина контекста — 512 токенов.

Модель предназначена для продолжения текста и как основа для дообучения под индонезийские NLP-задачи, а также для исследований и обучения, связанных с компактными языковыми моделями. Она не проходила инструкционное дообучение, поэтому не рассчитана на выполнение системных инструкций или многошаговый диалог. Из-за небольшого размера модель может выдавать недостоверные факты и не подходит как самостоятельная база знаний. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение индонезийского текста
  • дообучение для анализа тональности на индонезийском языке
  • дообучение для классификации намерений в индонезийских сообщениях
  • дообучение для распознавания именованных сущностей на индонезийском языке
  • исследование компактных языковых моделей с ограниченными ресурсами

Ограничения

Модель не проходила инструкционное дообучение и не предназначена для диалогового следования инструкциям. Контекст ограничен 512 токенами, а небольшая ёмкость модели не позволяет надёжно использовать её как источник фактических знаний.

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

Wicara 56M Base

Weight-efficient Indonesian Conversational Architecture, Research Artifact

A 56-million-parameter Indonesian language model that we trained from scratch on a single consumer laptop (NVIDIA RTX 4050 6 GB) over 1.12 billion tokens of curated text.

Wicara (from Sanskrit vicāra): speech, discourse.

Data, tokenizer, architecture, and training pipeline were built directly in PyTorch — no off-the-shelf model, no external API. This is the foundational base model before SFT. For the conversational version, see num1notsvn/wicara-56m-chat.

  • Author: Bagus Ardin Prayoga (@num1notsvn)
  • Language: Indonesian (id)
  • Parameters: 56.0M (45.5M non-embedding)
  • Architecture: LLaMA-style (Pre-norm RMSNorm, RoPE, SwiGLU, Grouped-Query Attention, Tied Embeddings)
  • License: Apache-2.0
  • Source Code: GitHub - bagusardin25/WicaraLLM

Architecture Specifications

ComponentSpecification
Total Parameters56,027,520
Non-Embedding Parameters45,541,120
Layers (n_layer)10
Hidden Dimension (d_model)640
Attention MechanismGrouped-Query Attention (10 query heads / 5 KV heads, GQA 2:1)
Feed-Forward Dimension (d_ffn)1,728 (SwiGLU)
Head Dimension (head_dim)64
Context Length512 tokens
Vocabulary Size16,384 byte-level BPE (4.26 chars/token on Indonesian text)
Positional EmbeddingRoPE ($\theta = 10000.0$)
NormalizationPre-norm RMSNorm ($\epsilon = 10^{-5}$)
Embedding TyingYes (lm_head.weight == tok_emb.weight)

Pretraining Details

Dataset Composition

Trained on 1.12 billion tokens (3,985,535 documents) curated exclusively from natural Indonesian texts:

SourceRoleTokensShareFilter Pass Rate
OpenSubtitles v2024Conversational dialogue484M43.2%93.9%
FineWeb-2 ind_LatnInformal web writing210M18.7%99.4%
Indonesian WikipediaStructured encyclopedia174M15.5%83.1%
Cendol v2Instruction data129M11.5%73.3%
Aya CollectionMultilingual Q&A121M10.8%79.7%
TED2020Spoken lectures3M0.3%98.7%

Training Progression & Hardware

  • Hardware: Single laptop with NVIDIA GeForce RTX 4050 Laptop GPU (6 GB VRAM).
  • Duration: 11.1 hours (17,010 steps, 1 epoch, 100% corpus coverage).
  • Throughput: 28,017 tokens/second.
  • Precision: bf16 mixed precision with AdamW ($\beta_1=0.9, \beta_2=0.95$, cosine decay with warmup).
  • Validation Loss: 3.0505 (Perplexity: 21.2).
  • Training Loss: 2.937 (generalization gap: 0.12).

Quickstart & Usage

[!NOTE] As a base model, wicara-56m-base is trained for next-token prediction (text completion), not multi-turn instruction following. If you are looking for an interactive conversational assistant, please use num1notsvn/wicara-56m-chat.

Text Completion Example

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "num1notsvn/wicara-56m-base"
device = "cuda" if torch.cuda.is_available() else "cpu"

# Load tokenizer and base model
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16 if torch.cuda.is_available() else torch.float32,
).to(device)

# Provide a prefix prompt for completion
prompt = "Indonesia adalah sebuah negara kepulauan yang"
inputs = tokenizer(prompt, return_tensors="pt").to(device)

# Generate continuation
outputs = model.generate(
    **inputs,
    max_new_tokens=64,
    temperature=0.7,
    top_p=0.9,
    repetition_penalty=1.15,
    do_sample=True,
    eos_token_id=tokenizer.eos_token_id,
)

continuation = tokenizer.decode(outputs[0], skip_special_tokens=True)
print(continuation)

Intended Use & Fine-Tuning

This base model is intended as a foundation for:

  • Downstream Fine-Tuning: Supervised fine-tuning (SFT) for Indonesian NLP tasks (sentiment analysis, intent classification, named entity recognition, or custom domain adaptation).
  • Edge SLM Research: Exploring the boundaries of lightweight language models (<100M parameters) under strict compute and VRAM budgets.
  • Academic & Educational Use: Studying transformer pretraining dynamics from scratch.

Limitations

  • No Instruction Tuning: This model does not understand conversational turns or system prompts out of the box.
  • Hallucination & Factual Consistency: Small-capacity models (56M parameters) prioritize surface-level linguistic fluency and cannot reliably serve as factual knowledge repositories without external retrieval (RAG).
  • Context Length: The native maximum context length is 512 tokens.

Citation & License

Released under the Apache-2.0 License.

@misc{ardin2026wicara,
  title={Wicara: A Weight-efficient Indonesian Conversational Architecture Built from Scratch},
  author={Bagus Ardin Prayoga},
  year={2026},
  publisher={Hugging Face},
  howpublished={\url{https://huggingface.co/num1notsvn/wicara-56m-base}}
}

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
4ba4d43

0 моделей