Характеристики

Контекст: 128 токенов
Лицензия: Apache 2.0
Архитектура: gpt2 · dense
Базовая модель: gpt2-scratch
Библиотека: transformers
Опубликована: 19 авг 2026

Ссылки

open-reason-small

Генерация текстаТекст → текст3 профессии

Небольшая GPT-2-подобная модель для генерации текста, обученная с нуля на Open Reason SFT и предназначенная для компактных экспериментов на CPU.

26скачиваний 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.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

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

Open Reason small — небольшая причинная языковая модель в стиле GPT-2, разработанная theworker02 и обученная с нуля на обучающем разделе Open Reason SFT. Модель содержит около 1,33 млн параметров, использует архитектуру GPT2LMHeadModel и рассчитана на генерацию текста. В метаданных указан контекст длиной 128 токенов.

Модель подходит для экспериментов с генерацией текста и проверки небольших языковых моделей на CPU. Обучение выполнено за 200 шагов на 2348 примерах; итоговая функция потерь составила около 6,10, поэтому карточка не подтверждает высокое качество ответов или рассуждений. Репозиторий содержит веса в формате safetensors, использовать модель можно через Transformers. Лицензия — Apache-2.0.

Сценарии применения

эксперименты с генерацией текста на CPU
проверка работы малой причинной языковой модели
изучение дообучения на наборе Open Reason SFT

Ограничения

Обучение длилось 200 шагов на 2348 примерах, а итоговый loss около 6,10 не подтверждает пригодность для качественных ответов или сложных рассуждений. Контекст ограничен 128 токенами.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

II.10Разработка и данныеРазработка и эксплуатация AI/ML-системAI помогает создавать, оценивать, развёртывать и контролировать AI/ML-системы на всём жизненном цикле.30 задач49 000моделей II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Open Reason small (CPU)

This is a small GPT-2-style causal LM trained from scratch on the Open Reason SFT split. It is not a 1B model and is not theworker02/open-reason-1b.

Parameters (approx): 1334016
Steps: 200
Backend: cpu-host
CUDA used: False
Rows: 2348
Final loss: 6.095415115356445

Hardware: CPU (Docker when available). AMD GPU training is not used.

from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("theworker02/open-reason-small")
model = AutoModelForCausalLM.from_pretrained("theworker02/open-reason-small")

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры: GPT2LMHeadModel
Ревизия весов: bf0b9a3