/ Модель

Характеристики

Контекст
1 024 токена
Лицензия
Apache 2.0
Архитектура
gpt2 · dense
Библиотека
transformers
Опубликована
31 июл 2026

Boris-1.3-125M

Генерация текстаТекст → текст3 профессии

Небольшая базовая GPT-2-модель OpenCerebral для продолжения текста и экспериментов с генерацией.

311скачиваний за 30 дней4лайкавеса обновлены5 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

Boris-1.3-125M — базовая предобученная языковая модель с 125 млн параметров, разработанная OpenCerebral. Это продолжение предобучения Boris-125M: к исходному обучению добавлены семь последовательных проходов примерно на 2,66 млрд токенов из FineWeb-Edu и DCLM-baseline. Модель построена на архитектуре GPT-2: 12 слоёв, 12 голов внимания, размерность 768 и обучаемые позиционные эмбеддинги. Контекст — 1024 токена.

Модель предназначена для продолжения текста и экспериментов с генерацией; она не дообучена следовать инструкциям и не рассчитана на диалог. В описанных бенчмарках дообучение улучшило отдельные результаты, включая WinoGrande и PIQA, сохранив близкий результат на HellaSwag. Репозиторий содержит веса Safetensors и использует библиотеку Transformers. Лицензия — Apache-2.0.

Модель небольшая и не прошла настройку на безопасность: её выводы могут быть неточными, несогласованными или оскорбительными. Её не следует использовать как источник фактов или развёртывать без надзора.

Сценарии применения

  • продолжение короткого текста на английском языке
  • эксперименты с базовой генерацией текста
  • оценка языковой модели на бенчмарках
  • исследование влияния продолженного предобучения на качество генерации

Ограничения

Модель не дообучена следовать инструкциям или вести диалог, а её ответы могут быть неточными, несогласованными или оскорбительными. Не используйте её как источник фактов или без надзора.

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

Boris

Boris-1.3-125M

Note: New Millennium Artificial Intelligence (NMAI) has been renamed OpenCerebral. The organization, models, and maintainers are unchanged — only the name is new. Older references to NMAI (including the previous KSP-NMAI repository paths) refer to OpenCerebral.

Boris-1.3-125M is a 125 million-parameter language model created by OpenCerebral. It extends the original Boris-125M base checkpoint with additional continued pretraining aimed at closing gaps found in Boris-125M's own benchmark results (see Continued pretraining below).

This is a base (pretrained) model. It has not been instruction-tuned and does not follow instructions or hold a conversation — it continues text. For an instruction-following version, see opencerebral/Boris-1.3-125M-Instruct.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

tok = AutoTokenizer.from_pretrained("opencerebral/Boris-1.3-125M")
model = AutoModelForCausalLM.from_pretrained("opencerebral/Boris-1.3-125M")

ids = tok("The ocean is", return_tensors="pt").input_ids
out = model.generate(ids, max_new_tokens=40, do_sample=True, top_p=0.95)
print(tok.decode(out[0], skip_special_tokens=True))

Details

ArchitectureGPT-2 (pre-LN, learned positional embeddings, tied embeddings)
Layers / heads / d_model12 / 12 / 768
Context length1024
Vocab50304 (GPT-NeoX-20B BPE, padded)
TokenizerEleutherAI/gpt-neox-20b
Precisiontrained in bf16 autocast with fp32 master weights

Base model training

The Boris-125M base checkpoint was trained on 2.50B tokens of FineWeb-Edu for 33h 38m 48s on one RTX 3060.

Final loss3.2998
Final grad norm0.281
Final learning rate6.00e-05

Continued pretraining

Boris-125M's benchmark results showed the same FineWeb-Edu-driven gap seen at 75M. Boris-1.3-125M adds seven sequential continued-pretraining passes on top of the base checkpoint, each with a re-warmed learning rate, extending total training by roughly 2.66B tokens (~106% more than the original 2.50B-token pretraining run):

PassDataTokensWall-clock (RTX 3060)
1FineWeb-Edu0.6B~6.9h (estimated)
2DCLM-baseline1.0B~11.9h (estimated)
3FineWeb-Edu0.1B~1.2h (estimated)
4FineWeb-Edu0.1B~1.2h (estimated)
5FineWeb-Edu0.1B~1.2h (estimated)
6FineWeb-Edu-leaning0.91B~7.8h+ (required a restart)
7DCLM-baseline0.6B~7.1h (estimated)

Final training loss, grad norm, and learning rate for pass 7 were not preserved and are not available for this card.

Why this recipe: DCLM improves fluency/coherence tasks (LAMBADA, WinoGrande) but tends to cost ARC-Easy/ARC-Challenge performance. Unlike Boris-1.3-75M, this run leads with FineWeb-Edu before DCLM specifically to test whether that order avoids the ARC regression — it did. The three small FineWeb-Edu passes (3–5) and the larger pass 6 were run to test how far ARC-Challenge and mean score could be pushed with small, individually-measured increments.

TaskBoris-125M+FineWeb-Edu+DCLM+FineWeb-Edu ×3+FineWeb-EduBoris-1.3-125M
HellaSwag (acc_norm)29.3329.4029.2429.5029.7929.68
PIQA (acc_norm)59.7460.7260.7261.4360.6161.32
WinoGrande (acc)49.7250.3650.5950.2851.7052.72
ARC-Easy (acc_norm)41.7541.4141.5441.7943.0142.51
ARC-Challenge (acc_norm)23.8924.7423.7224.4025.0924.23
LAMBADA (acc)22.8623.1724.6324.7423.2325.79
Mean-637.8838.3038.4138.6938.9139.38

Benchmarks

Limitations

A base model of this size will produce text that is frequently inaccurate, inconsistent, or offensive. It has received no alignment or safety tuning and should not be used for factual reference or deployed without supervision.

Copyright & License

Copyright 2026 Joseph Jones

This project and all associated files (the "Work") are licensed under the Apache License, Version 2.0 (the "License"); you may not use this project except in compliance with the License. You may obtain a copy of the License at:

http://www.apache.org/licenses/LICENSE-2.0

Unless required by applicable law or agreed to in writing, software distributed under the License is distributed on an "AS IS" BASIS, WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied. See the License for the specific language governing permissions and limitations under the License.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
GPT2LMHeadModel
Ревизия весов
ae1daad

0 моделей