/ Модель

Характеристики

Контекст
8 192 токена
Параметры
51,8 млн
Лицензия
Apache 2.0
Архитектура
gemma3_text · dense
Библиотека
transformers
Опубликована
12 авг 2026

50M-8192-Nawah-gemma

Генерация текстаТекст → текст3 профессии

Небольшая базовая модель Gemma 3, обученная с нуля для генерации арабского текста с контекстом до 8192 токенов.

44скачиваний за 30 дней0лайковвеса обновлены12 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

oddadmix/50M-8192-Nawah-gemma — небольшая базовая языковая модель арабского языка, разработанная в рамках проекта NAWAH. Модель с 51,8 млн параметров построена на плотной архитектуре Gemma 3 и обучена с нуля на 20 млрд арабских токенов из корпуса FineWeb-Edu-Ar. Она предсказывает следующий токен и не проходила настройку для выполнения инструкций или ведения диалога.

Контекстное окно составляет 8192 токена. Для снижения затрат на длинном контексте используется чередование слоёв внимания: пять из шести слоёв ограничены окном в 1024 токена, а два слоя охватывают полный контекст. Модель подходит для продолжения и генерации арабского текста, в том числе с длинным контекстом. Лицензия — Apache-2.0.

Из-за малого размера модель имеет ограниченный диапазон возможностей и может выдавать фактически ненадёжный или несвязный текст. Она не настроена на инструкции и не прошла выравнивание или фильтрацию безопасности; при обучении контекст не маскировался на границах документов.

Сценарии применения

  • продолжение арабского текста
  • генерация черновиков на арабском языке
  • эксперименты с арабскими языковыми моделями
  • исследование генерации с длинным контекстом

Ограничения

Малый размер ограничивает возможности модели; она может генерировать фактически ненадёжный или несвязный текст. Модель не настроена на инструкции или диалог и не прошла фильтрацию безопасности.

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

50M-8192-Nawah-gemma (نواة) — Arabic Base Model, 8192-token context

A ~51.8M-parameter Gemma-3 architecture Arabic language model pretrained from scratch on 20 billion Arabic tokens with an 8192-token context window.

This is the long-context sibling of oddadmix/50M-2048-Emhotob: same corpus, same tokenizer, same parameter count, same token budget, same optimizer schedule. What differs is the context window (8192 vs 2048) and the attention layout that makes it affordable.

Base (pretrained) model: a next-token predictor with no instruction or chat tuning.

الملخص بالعربية: نموذج لغوي عربي صغير (~51.8 مليون معامل) بمعمارية Gemma-3، مُدرَّب من الصفر على 20 مليار رمز عربي بطول سياق 8192. نموذج أساس (Base) بدون ضبط تعليمات أو محادثة.

Model details

Parameters~51.8M
ArchitectureGemma-3 (Gemma3ForCausalLM)
Hidden size512 · Layers 12 · Heads 8 (GQA, 4 KV) · head_dim 64
Intermediate size1408
Vocab size32000 (custom Arabic byte-level BPE, shared with the 2048 model)
Context length8192
Attentioninterleaved: 10 sliding (window 1024) + 2 global
Positional encodingRoPE, θ = 10,000 on sliding layers, 100,000 on global layers
Tied embeddingsyes
LicenseApache-2.0

Why interleaved attention

All-global attention at 8192 tokens costs 453M attention FLOPs per token — roughly as much as the entire rest of the forward pass, and about 4× what the 2048 model spent. Restricting five of every six layers to a 1024-token window drops that to ~13M while leaving 2 layers that see the full window, so the long-range path survives and the run costs about what the original 2048 run cost. Sliding layers use the smaller RoPE base because they only ever have to resolve 1024 positions.

Training

Corpuskaust-generative-ai/fineweb-edu-ar (config ar)
Budget20,000,000,000 tokens, 1 epoch over the stream
Packingdocuments separated by </s>; documents ≥ 4096 tokens duplicated once
OptimizerAdamW (fused), β = (0.9, 0.95), wd 0.1, grad clip 1.0
Schedulelr 6e-4, cosine, warmup ratio 0.02
Effective batch32 sequences × 8192 = 262,144 tokens/step
Precisionbf16, torch.compile, a single consumer GPU

The corpus is short-document heavy — median 427 tokens, and only 0.47% of documents reach 8192 — so packing matters more than architecture for long context here. Documents are separated by </s> (the 2048 recipe used no separator), and documents of at least 4096 tokens are written twice to raise the share of tokens sitting inside a genuinely long single-document span.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "oddadmix/50M-8192-Nawah-gemma"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, dtype=torch.bfloat16)

prompt = "اللغة العربية هي"
ids = tok(prompt, return_tensors="pt").to(model.device)
out = model.generate(**ids, max_new_tokens=128, do_sample=True,
                     temperature=0.8, top_p=0.9, repetition_penalty=1.2)
print(tok.decode(out[0], skip_special_tokens=True))

Limitations

At this size and budget the model has a narrow capability range and will produce factually unreliable and sometimes incoherent text. It is not instruction-tuned or aligned, and no safety filtering has been applied. Attention is not masked at document boundaries during training, so the two global layers were exposed to cross-document context within a packed window.


© KAND CA 2026 — PROJECT NAWAH.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma3ForCausalLM
Ревизия весов
f618347

0 моделей