/ Модель

Характеристики

Контекст
1 024 токена
Параметры
150 млн
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
19 авг 2026

flash-archer-150M-1.0

Генерация текстаТекст → текст3 профессии

Компактная англоязычная Llama-совместимая базовая модель для экспериментов с генерацией текста и дальнейшего обучения.

35скачиваний за 30 дней0лайковвеса обновлены19 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

Flash-Archer-150M — компактная базовая языковая модель, разработанная ryze-ai и обученная с нуля. Это плотная Llama-совместимая авторегрессионная модель с 150,3 млн параметров и контекстом до 1 024 токенов; она загружается через Transformers из файлов safetensors и использует собственный байтовый BPE-токенизатор на 16 тыс. токенов.

Модель предназначена для экспериментов с предварительным обучением, токенизаторами и архитектурой, продолжения обучения и недорогих тестов генерации текста. Она обучалась предсказанию следующего токена на англоязычном образовательном веб-корпусе FineWeb-Edu, поэтому лучше подходит для англоязычных экспериментов. Это базовая модель, а не чат-ассистент: она может плохо следовать инструкциям, повторяться и выдавать неточный текст. Показатели валидации получены на небольшом числе пакетов и не являются результатами стандартизированных тестов. Лицензия модели — Apache-2.0.

Сценарии применения

  • эксперименты с предварительным обучением малых языковых моделей
  • продолжение обучения на собственном текстовом корпусе
  • дообучение базовой модели для генерации текста
  • тестирование токенизаторов и архитектур причинных языковых моделей
  • локальные тесты генерации текста на CPU

Ограничения

Это базовая модель без настройки на следование инструкциям; она может повторяться и выдавать низкокачественные ответы. Контекст ограничен 1 024 токенами, а опубликованные метрики валидации получены на малом числе пакетов и не заменяют стандартизированную оценку.

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

Flash-Archer-150M

Flash-Archer-150M is a compact Llama-compatible causal language model trained from scratch on roughly 975M tokens from FineWeb-Edu.

Why This Model Exists

Flash-Archer-150M is intended as a small, easy-to-load baseline for experimentation with custom pretraining, tokenizer behavior, low-cost inference, and continued fine-tuning. It is not instruction-tuned and should be treated as a base language model rather than a chat assistant.

The main points of interest are:

  • 150M parameter Llama-style decoder-only architecture.
  • Custom 16k byte-level BPE tokenizer.
  • Standard Hugging Face Transformers format with safetensors.
  • Small enough to run on CPU for testing, with GPU recommended for faster generation or fine-tuning.

Model Details

FieldValue
ArchitectureLlama-compatible decoder-only causal LM
Transformers classLlamaForCausalLM
Parameters150,335,232
Layers18
Hidden size768
Attention heads12
Key/value heads12
MLP intermediate size2,304
ActivationSiLU
Positional embeddingsRoPE, theta 10,000
NormalizationRMSNorm, epsilon 1e-5
Vocabulary size16,000
TokenizerCustom byte-level BPE, PreTrainedTokenizerFast
Special tokens<pad>, <unk>, <bos>, <eos>
Context length1,024 tokens
Checkpoint formatTransformers + model.safetensors
Weight dtype in uploaded checkpointfloat32
LicenseApache-2.0 for model weights

Training Data

Flash-Archer-150M was trained on:

  • Dataset: HuggingFaceFW/fineweb-edu
  • Config: sample-10BT
  • Dataset license: ODC-BY
  • Documents consumed: 877,735
  • Tokens seen: 974,520,320
  • Validation holdout: 2,000 documents
  • Tokenizer training documents: 200,000

FineWeb-Edu is an English educational web dataset derived from Common Crawl. The model card attributes the dataset here because the training data is released under ODC-BY.

Training Methodology

The model was trained from scratch as a next-token prediction causal language model.

HyperparameterValue
OptimizerAdamW
Peak learning rate3e-4
Final learning rate3e-5
ScheduleCosine decay with 2% warmup
Beta1 / Beta20.9 / 0.95
Adam epsilon1e-8
Weight decay0.1
Gradient clipping1.0
Micro batch size1
Gradient accumulation128
Training precisionFP16 mixed precision
Max sequence length1,024
Final checkpoint step7,435

Validation

These are validation-log results from the training run, not standardized benchmark results. The run used a small validation setting (val_batches=2), so the numbers should be interpreted as rough training diagnostics.

CheckpointStepTokens seenValidation lossPerplexity
Best logged validation4,200550,502,4003.066921.48
Final logged validation7,400969,932,8003.300327.12

No public benchmark scores are claimed.

Hardware

Training metadata indicates the run was performed on Kaggle with one NVIDIA Tesla T4 GPU with about 15.6 GB VRAM. The configured maximum training time was 7 hours.

Intended Uses

This model is best suited for:

  • Educational experiments with small pretrained language models.
  • Continued pretraining or supervised fine-tuning.
  • Tokenizer and architecture experiments.
  • Lightweight local generation tests.
  • Baseline comparisons against other small causal LMs.

Limitations

  • This is a base model, not an instruction-following chat model.
  • It may repeat itself, produce low-quality generations, or fail to follow prompts.
  • It has not been evaluated on safety, factuality, coding, reasoning, or domain benchmarks.
  • It was trained on web text and may reproduce biases, errors, or unsafe content present in that data.
  • The context length is limited to 1,024 tokens.
  • Validation metrics are noisy because only a small number of validation batches were logged.

Inference

Install dependencies:

pip install torch transformers safetensors

Load the model:

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "Norman89107/Flash-Archer-150M"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype="auto")
model.eval()

prompt = "In simple terms, machine learning is"
inputs = tokenizer(prompt, return_tensors="pt")

with torch.no_grad():
    output_ids = model.generate(
        **inputs,
        max_new_tokens=64,
        do_sample=True,
        temperature=0.8,
        top_p=0.95,
        top_k=50,
        repetition_penalty=1.1,
        pad_token_id=tokenizer.pad_token_id,
        eos_token_id=tokenizer.eos_token_id,
    )

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

For GPU inference:

model = AutoModelForCausalLM.from_pretrained(
    "Norman89107/Flash-Archer-150M",
    torch_dtype=torch.float16,
    device_map="auto",
)

Files

  • config.json: Llama-compatible model configuration.
  • model.safetensors: Model weights.
  • tokenizer.json: Custom byte-level BPE tokenizer.
  • tokenizer_config.json: Tokenizer metadata and max length.
  • special_tokens_map.json: Special token definitions.
  • generation_config.json: Default sampling settings.
  • inference.py: Minimal inference script.

Source Code

No public source repository link was provided for this release. The uploaded checkpoint is in standard Transformers format and can be loaded directly with AutoModelForCausalLM.

License

The model weights are released under Apache-2.0. The training data used FineWeb-Edu, which is released under ODC-BY; see the FineWeb-Edu dataset card for dataset terms and attribution details.

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
e75e073

0 моделей