/ Модель

Характеристики

Контекст
2 048 токенов
Параметры
295 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
17 мая 2026

nano-nano_4.7

Генерация текстаТекст → текст3 профессии

Компактная экспериментальная англоязычная чат-модель на архитектуре Qwen3 для генерации текста, выполнения инструкций и задач с математикой и кодом.

101скачиваний за 30 дней2лайкавеса обновлены9 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 оценки1

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • ray0rf1re/rsostbtest-plus

    score

    Результат

    4,44

    rsostbtest_plus 4,44
    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Nano-nano v4.7 — экспериментальная компактная языковая модель автора ray0rf1re, построенная на декодере Qwen3-подобного типа с архитектурой Qwen3ForCausalLM. Модель содержит около 294,6 млн параметров и обучалась с контекстом 1 024 токена; максимальный контекст конфигурации составляет 2 048 токенов. Репозиторий использует формат safetensors и библиотеку Transformers.

Модель предназначена для диалоговой генерации текста и выполнения инструкций, включая задачи с математикой, кодом и рассуждениями. В ней применён собственный байтовый BPE-токенизатор с ChatML-токенами и поддержкой формата thinking. В карточке указано обучение на смеси из 43 наборов данных; основной заявленный язык — английский.

Автор отмечает, что модель пока недостаточно обучена. В опубликованном тесте RSOSTBTEST-Plus она прошла 9 из 250 заданий; короткий контекст ограничивает работу с длинными запросами и документами. Модель не проходила выравнивание RLHF или DPO, поэтому безопасность и тон ответов могут различаться. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в коротком англоязычном диалоге
  • выполнение текстовых инструкций
  • решение простых математических задач
  • генерация и объяснение кода
  • эксперименты с рассуждениями языковой модели

Ограничения

Модель отмечена автором как недостаточно обученная; в тесте RSOSTBTEST-Plus она прошла 9 из 250 заданий. Обучение проходило с контекстом 1 024 токена, максимум конфигурации — 2 048; модель не выровнена с помощью RLHF или DPO.

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

🧠 Nano-nano v4.7

~296M · Qwen3-style · Custom BPE Tokenizer · ChatML + Thinking · 43 Datasets

License Params Datasets Thinking Tokenizer

Successor to Nano-nano v4.6 — redesigned with a custom corpus-trained BPE tokenizer, native thinking / chain-of-thought support, and a quality-tiered 43-dataset mix with sequence packing for 100% token efficiency. (currently undertrained!)


📋 Summary

PropertyValue
ArchitectureQwen3-style LLaMA decoder
Parameters~296 M
Context1 024 tokens (trained) / 2 048 (config max)
TokenizerCustom BPE, vocab = 49 664
Chat formatChatML with <think> reasoning
HardwareNVIDIA GTX 1080 8 GB (Pascal)
Sequence packing✅ 100% token utilisation

🏗️ Architecture

Qwen3-style decoder with GQA and QK-Norm, scaled for ~296 M parameters with a 32k-range custom tokenizer.

Hyperparameterv4.6v4.7
Parameters~256 M~296 M
hidden_size8961 024
num_hidden_layers1520
num_attention_heads1416
num_key_value_heads148 (GQA)
head_dim6464
intermediate_size2 9122 730
vocab_size50 26449 664 (custom)
max_position_embeddings2 0482 048
qk_norm❌✅
rope_theta10 0001 000 000
TokenizerNano-nano v4Custom BPE
Chat format### InstructionChatML + <think>

🧩 Custom Tokenizer

Nano-nano v4.7 ships with a byte-level BPE tokenizer trained on the actual training corpus.

  • Vocab size: 49 664 (minimum 49 529, padded to ×128)
  • Byte-level: zero <unk> tokens — every unicode character is representable
  • ChatML specials baked in (not added after): <unk> <s> </s> <pad> <|im_start|> <|im_end|> <|system|> <|user|> <|assistant|> <think> </think>
  • Jinja2 chat template set for apply_chat_template() compatibility

Load with:

from transformers import AutoTokenizer
tok = AutoTokenizer.from_pretrained("ray0rf1re/nano-nano_4.7")

💭 Thinking / Chain-of-Thought

v4.7 is the first Nano-nano model with native thinking support.

The <think> and </think> tokens are part of the tokenizer vocabulary from the start (indices 9 & 10), so BPE never splits them.

Generation format:

<|im_start|>user
What is 17 × 13?<|im_end|>
<|im_start|>assistant
<think>
17 × 13 = 17 × 10 + 17 × 3 = 170 + 51 = 221
</think>
221<|im_end|>

Inference frameworks that open with <|im_start|>assistant\n<think>\n will prompt the model to reason before answering.


🚀 Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained(
    "ray0rf1re/nano-nano_4.7",
    torch_dtype="auto",
    device_map="auto",
)
tokenizer = AutoTokenizer.from_pretrained("ray0rf1re/nano-nano_4.7")

def chat(prompt: str, think: bool = True, max_new_tokens: int = 512) -> str:
    messages = [{"role": "user", "content": prompt}]
    text = tokenizer.apply_chat_template(
        messages, tokenize=False, add_generation_prompt=True)
    if think:
        text += "<think>\n"   # open reasoning block
    inputs = tokenizer(text, return_tensors="pt").to(model.device)
    out = model.generate(
        **inputs,
        max_new_tokens     = max_new_tokens,
        do_sample          = True,
        temperature        = 0.7,
        top_p              = 0.9,
        repetition_penalty = 1.1,
        pad_token_id       = tokenizer.eos_token_id,
    )
    new_ids = out[0][inputs["input_ids"].shape[-1]:]
    return tokenizer.decode(new_ids, skip_special_tokens=False).strip()

# With thinking
print(chat("Solve: if 3x + 7 = 22 what is x?"))

# Without thinking
print(chat("Write a haiku about coding.", think=False))

🍳 Training

Dataset Mix (43 datasets, quality-tiered)

TierDatasetSamplesWeight
1Open-Orca/OpenOrca40 k3.0×
1meta-math/MetaMathQA30 k2.8×
1ray0rf1re/claude1255x910 k2.8×
1Roman1111111/claude-opus-4.6-10000x10 k2.5×
1WizardLM/WizardLM_evol_instruct_V2_196k25 k2.5×
1WithinUsAI/GPT5.5_thinking_max_distill_god_seed_25K25 k2.5×
1KingNish/reasoning-base-20k20 k2.4×
1bespokelabs/Bespoke-Stratos-17k17 k2.3×
1NovaSky-UC-Berkeley/Sky-T1_data_17k17 k2.3×
1open-thoughts/OpenThoughts-TB-dev20 k2.3×
1truthful_qa8172.5×
2microsoft/orca-math-word-problems-200k20 k2.2×
2lighteval/MATH-Hard10 k2.2×
2HuggingFaceH4/MATH-5005002.2×
2ServiceNow-AI/R1-Distill-SFT15 k2.2×
2open-r1/OpenR1-Math-220k12 k2.1×
2garage-bAInd/Open-Platypus25 k2.0×
2cognitivecomputations/dolphin-r16 k2.0×
2teknium/OpenHermes-2.530 k2.0×
3ise-uiuc/Magicoder-OSS-Instruct-75K20 k1.8×
3m-a-p/CodeFeedback-Filtered-Instruction15 k1.8×
3flytech/python-codes-25k20 k1.7×
3iamtarun/python_code_instructions_18k_alpaca8 k1.6×
3ByteDance-Seed/Code-Contests-Plus15 k1.6×
3nvidia/OpenCodeInstruct20 k1.5×
3ajibawa-2023/Code-74k-ShareGPT25 k1.6×
3deepmind/code_contests8 k1.4×
3b-mc2/sql-create-context6 k1.4×
3jondurbin/airoboros-3.22 k1.5×
4HuggingFaceH4/ultrachat_200k30 k1.5×
4ray0rf1re/archlinux-v110 k2.0×
4databricks/databricks-dolly-15k15 k1.2×
4HuggingFaceH4/hhh_alignment10 k1.2×
4Amod/mental_health_counseling_conversations5 k1.0×
4mlabonne/guanaco-llama2-1k1 k1.0×
5ray0rf1re/FineWeb-Nano20 k0.8×
5fka/awesome-chatgpt-prompts5 k0.8×
5ray0rf1re/AO3-20203 k0.6×
5Abirate/english_quotes2000.4×
6Nix-ai/cat-math-v15 k0.3×
6Nix-ai/Cat-v2.8XXXL-plus5 k0.3×
6HuggingFaceFW/fineweb-edu51.0×
6ray0rf1re/hyper-pip853.0×

Settings

SettingValue
HardwareGTX 1080 8 GB · Pascal · CUDA 6.1
Precisionfp32 weights / fp16 AMP
Context (training)1 024 tokens
Context (inference)Up to 2 048 tokens
Sequence packing✅ streaming BPE, 50k chunks
OptimizerStovetopCooker (HyperNix, pre-Volta)
LR2e-4 cosine
Grad checkpointing✅
Boost system2 main (75 steps) + 4 super (135 steps) + SOTFT

⚠️ Limitations

  • Context limited to 1 024 tokens during training (2 048 at inference)
  • Pascal GPU (GTX 1080): fp16 AMP only, no bf16
  • Not RLHF/DPO aligned — outputs may vary in safety and tone
  • Thinking quality proportional to training data quality

📜 Citation

@misc{nano-nano-47,
  author       = {ray0rf1re},
  title        = {Nano-nano v4.7: Qwen3-style LM with Custom Tokenizer and Thinking},
  year         = {2026},
  publisher    = {HuggingFace},
  howpublished = {https://huggingface.co/ray0rf1re/nano-nano_4.7},
}

🛰️ RSOSTBTEST-Plus Results (2026-06-29)

Overall: 4.4% (9/250 tasks passed) — full results

RSOSTBTEST-Plus results chart

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
4f0410a

0 моделей