/ Модель

Характеристики

Контекст
1 024 токена
Параметры
29,6 млн
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
6 авг 2026

tiny-qwen3-30m

Генерация текстаТекст → текст3 профессии

Компактная англоязычная базовая модель Qwen3 для учебных экспериментов с предварительным обучением и генерацией коротких историй.

28скачиваний за 30 дней0лайковвеса обновлены15 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

Tiny Qwen3 30M — компактная причинная языковая модель на 29,6 млн параметров, созданная автором репозитория с нуля на основе архитектуры Qwen3. Она предназначена для обучения и экспериментов с токенизаторами, предварительным обучением и генерацией текста в экосистеме Hugging Face. Это базовая модель без дообучения для инструкций и диалогов.

Модель обучена на синтетических коротких рассказах TinyStories на английском языке с помощью предсказания следующего токена. Токенизатор byte-level BPE обучен отдельно на этом датасете; его словарь содержит 8192 токена. Контекст — до 1024 токенов, а при обучении использовались последовательности по 512 токенов. Модель может служить учебным примером для генерации коротких историй, но из-за малого размера и узких обучающих данных обладает ограниченными знаниями и слабо подходит для рассуждений и многоязычных задач. Условия лицензии в предоставленных данных не указаны.

Сценарии применения

  • генерация коротких детских историй на английском языке
  • изучение предварительного обучения причинных языковых моделей
  • эксперименты с обучением byte-level BPE-токенизатора
  • изучение упаковки текстовых данных в последовательности для обучения
  • учебные эксперименты с генерацией текста в Transformers

Ограничения

Модель обучена только на синтетических английских детских рассказах и имеет ограниченные знания, способности к рассуждению, работе с контекстом и поддержке других языков. Генерации могут быть повторяющимися, непоследовательными и фактически неверными.

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

Tiny Qwen3 30M

Tiny Qwen3 30M is a 29.57M-parameter English causal language model trained from scratch on the TinyStories dataset. It is intended as a compact educational model for studying tokenizer training, pretraining, checkpointing, and text generation with the Hugging Face ecosystem.

This is a base language model, not an instruction-tuned or chat model.

Dataset

The model uses roneneldan/TinyStories, a synthetic English dataset of short stories generated to contain vocabulary and concepts that are typically understood by young children. Both the upstream train and validation splits are read in streaming mode.

Data preparation:

  • The training stream is shuffled with seed 42 and a 10,000-example shuffle buffer.
  • Empty stories are discarded.
  • Stories are tokenized without automatically added special tokens, then separated with <|endoftext|>.
  • Tokens from consecutive stories are concatenated and packed into fixed 512-token sequences without padding.
  • Validation uses the same packing procedure and is limited to 256 packed sequences (131,072 tokens) per evaluation.

Tokenizer

A byte-level BPE tokenizer is trained from scratch on 100,000 TinyStories training examples. It uses NFC normalization, an 8,192-token vocabulary, and the special tokens <|endoftext|>, <unk>, <|im_start|>, and <|im_end|>. The tokenizer supports sequences up to 1,024 tokens, while training uses 512-token sequences.

Model architecture

ParameterValue
ArchitectureQwen3ForCausalLM
Parameters29,567,616
Vocabulary size8,192
Hidden size512
Transformer layers9
Attention heads8
Key/value heads2 (GQA)
Head dimension64
MLP intermediate size1,408
Maximum position embeddings1,024
RoPE theta1,000,000
Tied input/output embeddingsYes

Training method

The model is pretrained from random initialization with the standard next-token causal language-modeling objective. Training uses the Hugging Face Trainer, streaming packed data, mixed precision when supported, gradient accumulation, periodic validation, and checkpoint-based resume.

Training parameters

ParameterValue
OptimizerAdamW (adamw_torch_fused on CUDA)
Optimizer steps20,000
Sequence length512
Micro-batch size8 sequences/device
Gradient accumulation8 steps
Effective batch size64 sequences / 32,768 tokens
Learning rate5e-4
SchedulerCosine
Warmup steps200
Weight decay0.1
Adam betas(0.9, 0.95)
Gradient clipping1.0
PrecisionBF16 when supported; otherwise FP16 on CUDA or FP32 on CPU
Evaluation interval250 steps
Checkpoint interval250 steps
Random seed42

The recorded run completed 20,000 optimizer steps on an NVIDIA GeForce RTX 4070, with a final aggregate training loss of approximately 0.1317. This value is reported for reproducibility and should not be treated as a benchmark against other models.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "richarddzh/tiny-qwen3-30m"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(repo_id)

prompt = "Once upon a time,"
inputs = tokenizer(prompt, return_tensors="pt")
with torch.no_grad():
    output = model.generate(
        **inputs,
        max_new_tokens=80,
        do_sample=True,
        temperature=0.8,
        top_p=0.9,
        repetition_penalty=1.1,
    )

print(tokenizer.decode(output[0], skip_special_tokens=True))

Reproducibility

The complete training and upload workflow is available in the GitHub notebook.

Limitations

This small experimental model is trained only on synthetic English children's stories. It has limited factual knowledge, reasoning ability, context handling, and multilingual capability. Generated text may be repetitive, inconsistent, factually incorrect, or reflect artifacts in the source dataset. Do not use it for high-stakes decisions or assume its outputs are accurate.

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
1215ccd

0 моделей