/ Модель

Характеристики

Контекст
1 024 токена
Параметры
47,7 млн
Лицензия
MIT
Архитектура
llama · dense
Библиотека
transformers
Опубликована
27 авг 2026

SparkAI-47m-llama-10b-token

Генерация текстаТекст → текст

Небольшая англоязычная модель в стиле LLaMA, обученная с нуля для исследований предварительного обучения и генерации текста.

51скачиваний за 30 дней1лайквеса обновлены27 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

SparkAI-47M-Llama — языковая модель, созданная Vedant Jadhav с нуля и предназначенная для экспериментов с предварительным обучением небольших моделей. Это плотный авторегрессионный трансформер в стиле LLaMA с 47,7 млн параметров: 8 слоёв, скрытый размер 512, 8 голов запросов и 2 головы ключей/значений с группированным запросным вниманием, блоки SwiGLU, позиционные представления RoPE и нормализация RMSNorm. Модель использует токенизатор SmolLM2 с размером словаря 49 152 и принимает последовательности длиной до 1024 токенов.

Модель обучена с нуля на данных FineWeb-Edu и Cosmopedia v2; её основная задача — генерация текста на английском языке. Автор описывает её как исследовательский прототип: она формирует связный локальный текст и сохраняет краткосрочную тематическую последовательность, но фактическая точность и связность на больших расстояниях ограничены. Указана лицензия MIT.

Сценарии применения

  • эксперименты с предварительным обучением компактной языковой модели
  • генерация коротких английских текстов
  • изучение влияния размера модели на качество генерации

Ограничения

Модель имеет небольшую ёмкость и контекст длиной 1024 токена; фактическая точность и связность длинных текстов ограничены. По описанию автора, дальнейшее обучение на дополнительных токенах не улучшало perplexity заметным образом.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

SparkAI-47M-Llama (Final — 10B Tokens)

Hugging Face Model GitHub Repository

A ~48M parameter LLaMA-style decoder-only transformer, trained from scratch. This is the final checkpoint at this parameter scale — further tokens beyond this point showed diminishing/plateaued perplexity, suggesting the model has reached its practical capacity ceiling at 47M params on this data mix.


📐 Architecture

  • Parameters: ~48M
  • Layers: 8
  • Hidden Size: 512
  • Attention Heads: 8 query heads, 2 key/value heads (Grouped Query Attention - GQA)
  • MLP: SwiGLU (Intermediate size: 1408)
  • Positional Encoding: RoPE (Rotary Position Embeddings)
  • Normalization: RMSNorm (Pre-normalization)
  • Embeddings: Tied embeddings, no bias terms
  • Vocabulary Size: 49,152 (SmolLM2 tokenizer, reused)
  • Sequence Length: 1024

🏋️ Training Details

  • Dataset Mix: FineWeb-Edu (sample-100BT) + Cosmopedia-v2, streamed and packed (85% / 15% mix)
  • Total Tokens: 10.00 Billion (210 tokens/param)
  • Optimizer: AdamW with Cosine LR schedule + warmup
  • Hardware: NVIDIA A100 80GB PCIe
  • Final Eval Perplexity: 31.46

📈 Training Progression

TokensPerplexity
630M43.49
3.77B31.30
7.00B—
10.00B31.46

Note on Saturation: Perplexity plateaued between 3.77B and 10.00B tokens despite continued training, indicating the model has likely saturated its representational capacity at this size. Scaling further would require a larger architecture rather than additional tokens.


🎯 Intended Use

Research / proof-of-concept checkpoint demonstrating small-LM pretraining from scratch. Shows coherent local grammar and reasonable short-range topical consistency; factual accuracy and long-range coherence are limited, as expected at this model scale.


💬 Sample Generation

Prompt:

In machine learning, a neural network is

Output:

In machine learning, a neural network is a collection of neurons that are connected to a set of neurons in a specific region of the brain. Each neuron is a cluster of neurons. These clusters of neurons are called neurons. The neural network...

💻 Usage with Hugging Face transformers

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "vedantjadhav701/SparkAI-47m-llama-10b-token"
tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(repo_id)

prompt = "In machine learning, a neural network is"
inputs = tokenizer(prompt, return_tensors="pt")
outputs = model.generate(**inputs, max_new_tokens=60, do_sample=True, temperature=0.8)

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

🚀 Quickstart & Local Gradio UI

Installation

pip install -r requirements.txt

Run Gradio App

python app.py

Open http://127.0.0.1:7860 in your web browser.

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
8350357

0 моделей