/ Модель

Характеристики

Контекст
512 токенов
Параметры
1 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
7 авг 2026

littlerock-1M

Генерация текстаТекст → текст3 профессии

Компактная базовая модель семейства Llama для генерации продолжений текста и экспериментов с языковыми моделями на 1 млн параметров.

77скачиваний за 30 дней3лайкавеса обновлены7 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

littlerock-1M — базовая авторегрессионная языковая модель opencerebral, обученная с нуля без дообучения. Это плотная decoder-only модель семейства Llama с 1 002 720 параметрами, шестью слоями и словарём из 4 096 токенов. Для работы используется Transformers и формат safetensors; контекст составляет 512 токенов.

Модель обучалась на 5 млрд токенов из FineWeb-Edu и DCLM-baseline. Она предсказывает следующий токен и предназначена прежде всего для экспериментов с обучением и возможностями языковых моделей очень малого размера, а также для генерации продолжений текста. Это базовая модель без настройки на инструкции и выравнивания: у неё ограничены знания о мире, а связный текст часто содержит фактические ошибки. Лицензия — Apache-2.0.

Сценарии применения

  • генерация продолжения короткого англоязычного текста
  • эксперименты с предсказанием следующего токена
  • исследование обучения языковой модели с нуля на малом числе параметров

Ограничения

Это очень малая базовая модель без настройки на инструкции и выравнивания; её знания о мире ограничены, и она часто генерирует фактически неверный текст. Контекст ограничен 512 токенами.

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

littlerock-1M

A 1,002,720-parameter decoder-only base language model, pretrained from scratch on 5B tokens (40% FineWeb-Edu / 60% DCLM-baseline). No finetuning.

Architecturally a stock Llama, so it loads with plain transformers — no trust_remote_code, no custom modelling file:

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("opencerebral/littlerock-1M")
model = AutoModelForCausalLM.from_pretrained("opencerebral/littlerock-1M")

Results

lm-eval 0.4.12, zero-shot, acc_norm, float32, CUDA. ArithMark-3 via AxiomicLabs' bencharithmark-3.py (float32, default acc_norm).

BenchmarkScore
HellaSwag26.43
ARC-Easy30.98
ARC-Challenge21.76
PIQA52.23
ArithMark-325.20
Avg32.56
Intelligence Index2.29

ArithMark-3 sits at the 25% chance floor, which is the honest number for a 1M-parameter base model that was never trained on arithmetic.

A finetuned variant of this model reaches 40.40 on the public ArithMark-3 set and 35.5% on AxiomicLabs' private memorization test, but drops to 21.5% on their private variety set after the problems are rephrased — so its arithmetic does not generalize across wording, and it was declined for leaderboard ranking on that basis. Those weights and the full write-up are at opencerebral/littlerock-1M-arithmax. This repository is the base model, with no arithmetic finetuning at all.

Architecture

Parameters1,002,720
Non-embedding609,504
Layers6
Hidden size96
Heads6 (head dim 16)
FFN hidden (SwiGLU)224
Context512
Vocab4,096
Position encodingRoPE
NormRMSNorm
Embeddingstied

The 4,096-token vocabulary is a deliberate constraint: at d=96 a stock 50k tokenizer's embedding table alone would be several times the entire parameter budget. The tokenizer is a byte-level BPE with byte fallback (no UNK is possible), fitted on 400k documents sampled from this model's own pretraining mixture.

Training

Tokens5,000,000,000
Mixture40% FineWeb-Edu, 60% DCLM-baseline
Steps19,073
Batch262,144 tokens/step
OptimizerAdamW (0.9, 0.95), wd 0.1
LR3e-3 cosine → 3e-4, 50M-token warmup
Precisionbf16 autocast, fp32 master weights
Final val loss3.6251 (ppl 37.6)
Hardware1x RTX 3060, 1h 49m

Data was materialised to a fixed local binary before training (no streaming), with documents EOS-separated, and the token budget enforced exactly at 5,000,000,000.

Limitations

This is a ~1M-parameter base model. It is a next-token predictor with no instruction tuning and no alignment, it has very limited world knowledge, and it will produce fluent but frequently false text. It exists to measure what a 1M-parameter budget can do.

Sample (prompt in italics): The capital of France is a national world of fashion, a country and many other nationwide nationality. In this case, the public has been banned in the early 17th century…

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
1d1664a

0 моделей