Характеристики

Лицензия: Apache 2.0
Архитектура: spotlight · dense
Библиотека: transformers
Опубликована: 29 сен 2026

Ссылки

Hugging Face

spotlight-vm

percepta-ai

Генерация текстаТекст → текст3 профессии

Небольшая трансформерная модель Spotlight генерирует Python-код для выполнения задач во встроенной среде MicroPython.

375скачиваний за 30 дней13лайковвеса обновлены5 окт 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

Spotlight VM — небольшая вручную собранная трансформерная модель семейства Spotlight от percepta-ai, предназначенная для генерации кода Python, который выполняется во встроенной среде MicroPython. Веса самой модели содержат менее 100 тысяч параметров и не меняются; отдельно в репозитории хранится память с MicroPython 1.28.0 и двумя пакетами. Модель можно использовать для выполнения примеров Project Euler, выборочной загрузки памяти и обновления знаний для расчёта налоговых ставок. В README заявлена работа на одном ядре CPU со скоростью около 120 тысяч токенов в секунду.

Модель принимает текстовые программы и генерирует текстовые токены Python; примеры показывают вычисления и работу с сохранённой памятью. Репозиторий использует Transformers и формат safetensors. Лицензия — Apache 2.0. MicroPython-сборка не поддерживает числа с плавающей точкой; запуск MNIST, согласно README, занимает около получаса.

Сценарии применения

решение задач Project Euler генерацией и запуском Python-кода
вычисление результатов по заданной программе
загрузка сохранённой памяти по запросу
обновление знаний о налоговых ставках и расчёт налогов
запуск простых демонстраций на MicroPython

Ограничения

Встроенная сборка MicroPython не поддерживает числа с плавающей точкой. Примеры с MNIST требуют около получаса выполнения на одном ядре CPU.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.2Разработка и данныеСоздание и понимание программного кодаAI помогает писать, объяснять и связывать программный код с требованиями и существующей системой.20 задач21 443модели II.4Разработка и данныеОтладка, тестирование и качество ПОAI помогает находить дефекты, строить проверки и повышать надёжность программного продукта.25 задач13 978моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Spotlight VM

A small, hand-constructed Spotlight transformer that runs Python: the examples from Can LLMs Grow Their Own Capabilities?. intelligence/ holds the weights (under 100K parameters), which never change. memory/ holds MicroPython v1.28.0 (core.safetensors) and two packages.

cc -O3 -std=c99 spotlight.c -lm -o spotlight
./spotlight < examples/euler1.py            # 233168; -v also prints every generated token
cat examples/tax_brackets/*.py | ./spotlight

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("percepta-ai/spotlight-vm", trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained("percepta-ai/spotlight-vm", trust_remote_code=True)
output = model.generate(**tokenizer("print(1 + 2)\n", return_tensors="pt"))
print(tokenizer.decode(output[0]))  # 3

In a local copy of this folder, from_pretrained(".") works the same way.

Example	In the post	Output
`examples/euler1.py`, `euler2.py`, `euler3.py`	Project Euler problems 1 to 3	`233168`, `4613732`, `6857`
`examples/memory_loader.py`	Loading memory selectively	`4`
`examples/tax_brackets/`	Acquiring and updating knowledge	`$17400`, then `$16914`
`examples/mnist_digit.py`	Growing capabilities and intelligence	`7`

It runs on one CPU core at about 120K tokens per second: minutes for the Project Euler examples, about half an hour for MNIST (245M tokens). This MicroPython build has no floating point. License: Apache 2.0, see LICENSE.md.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры: SpotlightForCausalLM
Ревизия весов: 00acba5