/ Модель

Характеристики

Опубликована
5 окт 2025

deepseek-tinystories-60M

Генерация текстаТекст → текст3 профессии

Компактная авторегрессионная MoE-модель для генерации коротких историй на английском языке.

202скачиваний за 30 дней0лайковвеса обновлены7 окт 2025

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

sky-2002 выпустил компактную авторегрессионную языковую модель, вдохновлённую DeepSeek и обученную на наборе TinyStories. Модель предназначена для генерации текста, в частности коротких историй на английском языке.

В архитектуре используются MHLA и Mixture of Experts: два общих эксперта и четыре маршрутизируемых, из которых для каждого токена выбираются два. Размер модели — около 60 млн параметров; размерность эмбеддингов — 512, число голов внимания — 8, максимальная длина последовательности — 512 токенов. Репозиторий содержит веса PyTorch.

Модель подходит для экспериментов с генерацией коротких историй и компактными MoE-моделями. Обучение на TinyStories ограничивает её применение простыми повествовательными текстами; качество для широкого круга задач не заявлено. Лицензия — MIT.

Сценарии применения

  • генерация коротких детских историй на английском языке
  • эксперименты с компактными языковыми моделями MoE
  • изучение маршрутизации экспертов в генеративных моделях

Ограничения

Обучение на TinyStories ориентирует модель на короткие простые истории; качество для общих задач не заявлено. Максимальная длина последовательности составляет 512 токенов.

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

Deepseek-inspired TinyStories Model

This is a Deepseek-inspired model trained on TinyStories dataset, featuring Mixture of Experts (MoE) architecture.

Github: https://github.com/sky-2002/Generative-Modelling/tree/master/deepseek

Model Details

  • Model Type: Autoregressive Language Model with Mixture of Experts
  • Architecture: Deepseek-inspired with MHLA, MoE layers with auxiliary loss free load balancing, etc
  • Parameters: ~60M
  • Training Data: TinyStories dataset
  • License: MIT

Model Architecture

  • Attention Heads: 8
  • Embedding Dimension: 512
  • Max Sequence Length: 512
  • MoE Configuration:
    • Shared Experts: 2
    • Routed Experts: 4
    • Top-K routing: 2
    • Expert Intermediate Dimension: 1536

Usage Example

Method 1: Direct imports from package

from deepseek_tinystories import DeepseekInspiredModel, DeepSeekModelConfig, TinyStoriesProcesssor, generate_text
import torch, json

# Load config & model
config = DeepSeekModelConfig(**json.load(open("config.json")))
model = DeepseekInspiredModel(config)
model.load_state_dict(torch.load("pytorch_model.bin", map_location="cpu"))
model.eval()

# Initialize processor
processor = TinyStoriesProcesssor()

# Generate text
prompt = "Once upon a time, there was a little girl..."
generated_text = generate_text(
    model=model,
    data_processor=processor,
    prompt=prompt,
    max_new_tokens=50,
    temperature=0.8,
    top_k=40,
    device="cpu"
)
print(generated_text)

Method 2: Using snapshot_download

from huggingface_hub import snapshot_download
import sys
import torch, json

# Download the entire repository
repo_id = "sky-2002/deepseek-tinystories-60M"
repo_dir = snapshot_download(repo_id)

# Import the local package from the downloaded repo
sys.path.append(str(repo_dir))

from deepseek_tinystories import DeepseekInspiredModel, DeepSeekModelConfig, TinyStoriesProcesssor, generate_text

# Load config & model
config_path = f"{repo_dir}/config.json"
model_path = f"{repo_dir}/pytorch_model.bin"

config = DeepSeekModelConfig(**json.load(open(config_path)))
model = DeepseekInspiredModel(config)
model.load_state_dict(torch.load(model_path, map_location="cpu"))
model.eval()

# Initialize processor
processor = TinyStoriesProcesssor()

# Generate text
prompt = "Once upon a time, there was a little girl..."
generated_text = generate_text(
    model=model,
    data_processor=processor,
    prompt=prompt,
    max_new_tokens=50,
    temperature=0.8,
    top_k=40,
    device="cpu"
)
print(generated_text)

Method 3: Module-specific imports

from deepseek_tinystories.modeling_deepseek import DeepseekInspiredModel, DeepSeekModelConfig
from deepseek_tinystories.processor import TinyStoriesProcesssor
from deepseek_tinystories.utils import generate_text
import torch, json

# Load config & model
config = DeepSeekModelConfig(**json.load(open("config.json")))
model = DeepseekInspiredModel(config)

# Load clean model weights (not checkpoint)
model.load_state_dict(torch.load("pytorch_model.bin", map_location="cpu"))
model.eval()

# Initialize processor
processor = TinyStoriesProcesssor()

# Generate text using utils
prompt = "Once upon a time, there was a little girl..."
generated_text = generate_text(
    model=model,
    data_processor=processor,
    prompt=prompt,
    max_new_tokens=50,
    temperature=0.8,
    top_k=40,
    device="cpu"
)
print(generated_text)

Как запустить

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

GPU в ailist

Универсальный рантайм

Нельзя запустить

Архитектура ? неизвестна transformers в образе рантайма.

Ревизия весов
4fefd3f

0 моделей