/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
362 млн
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
14 июл 2026

tim-360m-base

Генерация текстаТекст → текст3 профессии

Компактная базовая англоязычная модель на 361,8 млн параметров для продолжения текста и экспериментов с LLM.

32скачиваний за 30 дней0лайковвеса обновлены14 июл 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

TIM-360M-base — базовая языковая модель семейства TIM, разработанная Timothy Wong и обученная с нуля. Это плотный авторегрессионный трансформер-декодер на 361,8 млн параметров, экспортированный в архитектуре Qwen3ForCausalLM. Модель загружается через Transformers без trust_remote_code. В ней используются RoPE, SwiGLU, grouped-query attention и нормализация QK по головам; размер словаря — 49 152 токена. Максимальный контекст составляет 4096 токенов, обучение проводилось с длиной последовательности 2048.

Модель предназначена для продолжения английского текста и экспериментов с компактными базовыми LLM. Она обучалась примерно на 30 млрд токенов веб-текстов, учебных материалов, кода и математики. В карточке приведены результаты нулевого прогона на нескольких тестах общих знаний и рассуждений, но модель не настроена для следования инструкциям и не является готовым диалоговым помощником.

Модель небольшая и обучена на существенно меньшем объёме данных, чем некоторые сопоставимые модели; особенно заметен разрыв на задачах, требующих большого объёма обучения. Она слаба в арифметике и многошаговых рассуждениях, может выдумывать факты и не проходила настройку безопасности. Лицензия — Apache-2.0.

Сценарии применения

  • продолжение английского текста по началу фразы
  • изучение поведения компактной базовой языковой модели
  • эксперименты с дообучением причинных языковых моделей
  • оценка небольшой LLM на тестах общих знаний

Ограничения

Модель не настроена на выполнение инструкций, слаба в арифметике и многошаговых рассуждениях и может галлюцинировать факты. Настройка безопасности отсутствует; не предназначена для прямого использования конечными пользователями без собственных фильтров.

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

TIM-360M-base

A 361.8M-parameter decoder-only transformer, trained from scratch on ~30B tokens on 2× RTX 4090. Part of TIM (Transformer Inference Model) — an end-to-end, from-scratch LLM built to be legible and honestly evaluated.

Exported as Qwen3ForCausalLM — it loads with transformers and no trust_remote_code.

Architecture

SmolLM2-360M skeleton with modern choices: pre-LN RMSNorm, RoPE (θ=100000), SwiGLU, grouped-query attention (15 query / 5 KV heads) with per-head QK-norm, tied embeddings, no biases. 32 layers, hidden 960, head_dim 64, FFN 2560, vocab 49,152 (byte-level BPE). Context: max_position_embeddings 4096, trained at seq_len 2048.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

tok = AutoTokenizer.from_pretrained("timothywong731/tim-360m-base")
m = AutoModelForCausalLM.from_pretrained("timothywong731/tim-360m-base", torch_dtype=torch.bfloat16)
ids = tok("The capital of France is", return_tensors="pt")
print(tok.decode(m.generate(**ids, max_new_tokens=20)[0]))

Training

~30B tokens, mix: 70% web (FineWeb-Edu sample-100BT + DCLM-Baseline), 15% Stack-Edu (code), 10% FineMath-3+, 5% misc. Muon + AdamW, WSD (warmup–stable–decay) schedule, bf16, 2× RTX 4090 (DDP, no NVLink).

Evaluation

lm-evaluation-harness (0.4.12), 0-shot, acc_norm where applicable:

HellaSwagARC-EasyARC-ChallengePIQAWinoGrandeOpenBookQASciQSocialIQACommonsenseQAWikiText (bpb ↓)
0.3880.5150.2590.6580.5250.2940.7220.3780.1961.058

Healthy for the scale: at ~30B tokens this is ~130× less training data than SmolLM2-360M (4T). Near-parity on early-saturating tasks (PIQA, SciQ), a real gap on token-hungry ones (HellaSwag, ARC) — as the token budget predicts.

Limitations

Small (360M) and lightly trained (~30B tokens). Not instruction-tuned — this is the base model. Weak at arithmetic and multi-step reasoning; will hallucinate facts; English-only; no safety tuning — do not deploy to end users without your own filtering.

Provenance & license

Apache-2.0. Trained only on named, public datasets: FineWeb-Edu (ODC-BY), DCLM-Baseline (CC-BY-4.0), Stack-Edu (derived from The Stack v2), FineMath (ODC-BY). No gated or scraped-private data. Attribution and removal requests: open an issue on the source repository.

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
af8b0b2

0 моделей