/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
147 млн
Лицензия
MIT
Архитектура
speck · dense
Библиотека
transformers
Опубликована
1 сен 2026

Speck2-140M

Генерация текстаТекст → текст3 профессии

Компактная англоязычная базовая модель Speck для продолжения текста и экспериментов с языковыми моделями.

525скачиваний за 30 дней10лайковвеса обновлены15 сен 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

Speck2-140M — базовая языковая модель семейства Speck от разработчиков проекта Speck. Она содержит около 146,7 млн параметров и обучена с нуля на 20 млрд токенов преимущественно англоязычных данных. Архитектура включает 18 блоков, чередующих глобальное grouped-query attention и управляемые каузальные свёртки, а также слои SwiGLU. Модель предназначена для продолжения текста и экспериментов с компактными языковыми моделями, а не для диалогового общения или выполнения инструкций.

Модель работает с Transformers через встроенный код модели и токенизатора; для загрузки требуется включить trust_remote_code. Заявленная длина контекста — 4096 токенов, но проверка проводилась только до 2048 токенов. Карточка указывает слабые результаты в арифметике и количественных рассуждениях, а также отсутствие настройки инструкций и согласования безопасности. Лицензия — MIT.

Сценарии применения

  • продолжение англоязычного текста
  • эксперименты с компактными причинными языковыми моделями
  • исследование гибридных архитектур внимания и каузальных свёрток

Ограничения

Модель не настроена на инструкции и не имеет safety alignment; она может выдавать ошибочный или вредный текст и слаба в арифметике. Проверена только на контекстах до 2048 токенов, хотя конфигурация заявляет 4096.

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

SpeckLabs

Speck2-140M

Speck2-140M is a 140.7M parameter English base language model that interleaves global grouped-query attention with gated causal convolution. It was pretrained from scratch on 20B tokens using a three-phase curriculum that shifts from broad web text toward math, synthetic, and stylistically diverse high-quality text.

This is a base model, not instruction-tuned or specialized in any way. It has no chat template and no safety alignment.

Summary

PropertyValue
Parameters140,652,288
Training tokens20.0B
Training sequence length2,048
Configured max context4,096 (unvalidated beyond 2,048)
Vocabulary32,000 (Mistral v0.1 SentencePiece)
Release formatBF16 Safetensors
Validation loss / perplexity2.2403 / 9.396
CPU decode, batch 155.1 tok/s
RTX 3090 decode, batch 1247.3 tok/s

Architecture

18 residual blocks: 8 global attention + 10 gated causal convolution, each followed by a SwiGLU feed-forward.

ComponentValue
Hidden width768
Embedding width640
SwiGLU intermediate2,304
Attention heads (Q / KV)12 / 3
Head dimension64
Conv inner width384
Conv kernel sizes3, 5
RoPE theta10,000
RMSNorm epsilon1e-5

Input/output embeddings (640-wide) are tied and connect to the 768-wide residual stream via learned projections.

Usage

Speck2-140M works with the Transformers Auto classes through its bundled custom model and tokenizer code. Set trust_remote_code=True when loading it.

pip install "transformers==5.1.0" torch sentencepiece safetensors
import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "specklabs/Speck2-140M"
device = "cuda" if torch.cuda.is_available() and torch.cuda.is_bf16_supported() else "cpu"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    trust_remote_code=True,
    dtype="auto",
).to(device)

prompt = "The meaning of life is"
inputs = tokenizer(prompt, return_tensors="pt").to(device)

output = model.generate(
    **inputs,
    max_new_tokens=64,
    do_sample=False,
)
generated = output[0, inputs.input_ids.shape[1] :]
print(tokenizer.decode(generated, skip_special_tokens=True))

The bundled generation path is validated for single-prompt greedy decoding. Direct forward passes support right-padded batches when use_cache=False.

Training

SettingValue
Optimizer steps305,176
Tokens per step65,536
Sequence length2,048
Peak LR1.5e-3 (cosine decay, 2,048-step warmup)
Weight decay0.1
Gradient clipping1.0
Training time41.40 hours
Estimated compute19.89 EFLOP

Muon optimized 2D matrix parameters; AdamW (beta 0.9/0.95, epsilon 1e-8) handled embeddings, norms, and conv kernels. The run used a single RTX 5090 rented through Vast.ai.

Training documents were globally deduplicated after NFKC, lowercase, and whitespace normalization. The curriculum used three mixture phases:

Token rangeEmphasis
0-14BBroad high-quality web, educational, synthetic, math, and encyclopedia text
14-18BIncreased FineMath, Cosmopedia, and Ultra-FineWeb-L3 multi-style text
18-20BStrongest concentration of synthetic and multi-style text, with continued math emphasis

Evaluation

The quality columns combine the Open SLM Leaderboard at revision 2eafcfc647b667e67f3b0288e9b67da497a78052 and BananaMind Base Bench 1.1 at revision d4aade51312889e8580963e1ce960c6eaef1a450. No chat template or generation was used for the four Speck evaluations.

Benchmarks and speed

ModelParamsTraining tokensOpen SLM Int IndexBananaMind Base Bench 1.1 EloCPU prefillCPU decodeRTX 3090 prefillRTX 3090 decodeBF16 memory @2KBF16 state @2K
BananaMind-2-Pro139M100B24.9611312,190 tok/s43.0 tok/s64,060 tok/s140.3 tok/s325.1 MiB60.0 MiB
SmolLM2-135M135M~2T27.1311192,201 tok/s47.4 tok/s64,814 tok/s157.7 tok/s301.6 MiB45.0 MiB
GPT-X2.5-135M135M75B25.1711062,042 tok/s47.2 tok/s55,346 tok/s125.0 tok/s302.6 MiB45.0 MiB
Supra2-100M-Base101M30B19.4110303,362 tok/s56.0 tok/s113,326 tok/s298.1 tok/s216.0 MiB24.0 MiB
Speck1-140M141M5B18.159652,252 tok/s55.1 tok/s74,323 tok/s247.3 tok/s281.3 MiB12.0 MiB
Speck1-140M-Instruct141M5B + 317M SFT17.7510012,285 tok/s55.3 tok/s73,398 tok/s246.7 tok/s280.3 MiB12.0 MiB
Speck1.1-140M-Instruct141M5B + 559M SFT17.9010022,315 tok/s56.9 tok/s74,941 tok/s243.6 tok/s280.3 MiB12.0 MiB
Speck2-140M141M20B20.019532,252 tok/s55.1 tok/s74,323 tok/s247.3 tok/s281.3 MiB12.0 MiB

Open SLM Int Index means the chance-normalized Intelligence Index reported by the Open SLM Leaderboard. BananaMind Base Bench 1.1 Elo means the overall Elo reported by BananaMind Base Bench 1.1. Speed and memory values are local batch-1 measurements described below. Reference models were pretrained on 1.5 to 100 times as many tokens. This is a parameter-adjacent comparison, not a compute-matched one.

Inference speed

Speed was measured locally at batch 1 with eager PyTorch, model-native caches, last-token logits, and tokenization excluded. Prefill uses 512 tokens. Decode measures 64 greedy cached steps after a 448-token prefix and includes argmax. CPU runs use FP32 with 16 threads; RTX 3090 runs use BF16. Reported throughput is calculated from the median duration.

Memory is unique live BF16 model tensor storage plus cache/state tensor storage after a 2,048-token prefill at batch 1. It excludes framework RSS, CUDA allocator reservations, and temporary operator workspace. FP32 CPU tensor memory is approximately twice the reported BF16 memory. For another context length N, approximate memory as model tensor memory + State@2K x N / 2,048; Speck's small convolution history is fixed rather than context-scaled.

Speck2 has the same architecture and release implementation as Speck1, so its speed and memory entries use the validated Speck1 measurements. The Speck architecture ranks 2nd among the compared models on both CPU and GPU batch-1 prefill and decode throughput, behind the smaller Supra2-100M-Base. The deduplicated BF16 Safetensors release is 281.3 MB.

Limitations

  • Not instruction-tuned: can't reliably follow requests.
  • No safety alignment: can produce biased, harmful, or incorrect text.
  • Weak at arithmetic and quantitative reasoning.
  • Mostly English: multilingual ability untested.
  • Validated only up to 2,048 tokens despite a 4,096-token config.
  • Trained on web-derived data that may contain bias, errors, or copyrighted text.
  • No red-team or misuse evaluation performed.

Reproducibility

Full training and eval code: github.com/alkinun/speck

Citation

@misc{alkinun2026speck2,
  author       = {alkinun},
  title        = {Speck2-140M: A Compact Hybrid Attention-Convolution Language Model},
  year         = {2026},
  howpublished = {\url{https://huggingface.co/specklabs/Speck2-140M}},
  url          = {https://github.com/alkinun/speck}
}

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
SpeckForCausalLM
Ревизия весов
9c3392d

0 моделей