/ Модель

Характеристики

Контекст
4 096 токенов
Параметры
1,2 млрд
Лицензия
Apache 2.0
Архитектура
veri · dense
Библиотека
transformers
Опубликована
4 окт 2026

Veri-Base

Генерация текстаТекст → текст

Veri-Base — экспериментальная базовая англоязычная модель на 1,2 млрд параметров для генерации текста и диалогов.

156скачиваний за 30 дней1лайквеса обновлены5 окт 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

Veri-Base — базовая языковая модель семейства Veri от veriepic, обученная с нуля без дообучения или дистилляции. Это плотная авторегрессионная модель на 1,2 млрд параметров с 24 блоками, размерностью 2048, RMSNorm, SwiGLU, RoPE и связанными входными эмбеддингами и выходной головой; контекст — 4096 токенов. В архитектуре внимания Remy используются попарные разности softmax-внимания, нормализация QK, скользящее окно на чётных слоях и четыре KV-головы для 16 запросных голов.

Модель предназначена для генерации текста и диалогов. Она предварительно обучена на 14 млрд токенов корпуса FineWeb и DCLM; по карточке, она свободно пишет по-английски, но фактические ответы ненадёжны. Настройка инструкций ещё не выполнена, а дообучение на этапе SFT продолжается. Для генерации автор рекомендует температуру 0,7, top-50 и штраф частоты 0,2. Доступны веса PyTorch и GGUF F16; для GGUF требуется специальный загрузчик, стандартные рантаймы llama эту архитектуру не поддерживают. Лицензия — Apache 2.0.

Сценарии применения

  • генерация продолжения англоязычного текста
  • создание простых диалоговых ответов
  • эксперименты с обучением компактных языковых моделей

Ограничения

Модель не прошла настройку инструкций, фактические ответы ненадёжны, а качество диалога и рассуждений уступает указанным в карточке токенизатора сравнениям. GGUF-файл требует специального загрузчика и не поддерживается стандартными рантаймами llama.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

veri-base-8739

1.2B params. Trained from scratch. Not a finetune, not a distill. These weights never existed before this run.

Training logs, benchmarks, architecture explorer: veriepic.dev/model

training

14B tokens, one pass each. FineWeb + DCLM. Cosine schedule that expired halfway (lesson learned: schedules that expire are banned), flat ever since.

The loss curve has a story. It collapsed to ~2.1 and flatlined for thousands of steps while samples stayed word salad — attention was broken from step 1 and the metric was lying. Fixed it, loss jumped back to ~7.5, real descent to 5.13 over 8739 steps. The shaded part is the lie. Everything right of the line is real.

architecture

24 identical blocks, dim 2048. RMSNorm, attention, residual, RMSNorm, SwiGLU, residual. Embeddings tied to the output head. RoPE positions, bf16, 4k context.

remy

Split 16 heads in half, full softmax on each half over the same input, subtract the second from the first with a learned per-pair lambda. Shared junk cancels, signal stays. QK-norm before RoPE, sliding window on even layers, 4 KV heads shared across 16 queries.

Shipped in the 1.19B: the remy family took 4 of the top 5 in the fixed 35-arch zoo, with qk-post edging first by 0.01. The big run committed to remy before the rerun finished — qk-post is data for the next scale, not a recall of this one.

terry

Trained with the private Terry build. Public Terry v2 lives in the main repo and matches it loss-for-loss: factored adaptive tables, grafted matrices, table nesterov, one momentum state per parameter.

duelterrymuonadamwprivate
7M · 1000 steps2.933.243.533.86 vs 3.84*
140M · H100 · 400 steps3.954.094.593.95
states 7M28.4MB79.7MB56.3MB4.0MB
states 140M226.9MB380.4MB452MB61MB

*matched 300-step run. −9.5% vs muon, −16.9% vs adamw at 7M.

timmy

Custom 65k byte-level BPE, trained in 20 minutes on a rented CPU. Single digits split for arithmetic, think tags atomic.

testtimmy 64ko200kcl100k
plain english141616
veri chat232929
reasoning222929
code615656
math382727
total171168170

files

filesizeuse
gguf/veri-base-8739-F16.gguf2.4GBGGUF container, custom arch — loads with load_gguf_veri below, not stock runtimes
transformer/veri.bin2.4GBtorch / transformers
checkpoint/veri-base-8739.pt3GBfull bundle to keep training it
config.json, tokenizer.json—the usual
modeling_veri.py—the whole arch in one file, torch only
modeling_remy.py—standalone differential attention
# gguf container (custom arch — stock llama runtimes only know stock arches)
from modeling_veri import load_gguf_veri
model = load_gguf_veri("gguf/veri-base-8739-F16.gguf", dtype="bfloat16")
# transformers
from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("veriepic/Veri-Base", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained("veriepic/Veri-Base", trust_remote_code=True)

Sampler settings (what the training log uses — greedy and penalty-free sampling babbles, this doesn't): temp 0.7, top-50, frequency penalty 0.2 applied as logits - 0.2 * counts before temperature.

ids = tok("Scientists have discovered that", return_tensors="pt").input_ids.cuda()
with torch.no_grad():
    for _ in range(32):
        lg = model(ids[:, -4096:]).logits[:, -1, :].float()
        counts = torch.bincount(ids[0], minlength=lg.size(-1)).float()
        lg = (lg - 0.2 * counts) / 0.7
        v, _ = torch.topk(lg, 50)
        lg = torch.where(lg < v[:, -1:], float("-inf"), lg)
        ids = torch.cat([ids, torch.softmax(lg, dim=-1).multinomial(1)], dim=1)
print(tok.decode(ids[0]))

status

Base weights. Pretraining parked (shards exhausted), SFT in progress. Fluent English, shaky facts — no instruction tuning yet.

veriepic.dev/model

Apache 2.0

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
VeriForCausalLM
Ревизия весов
582ba79

0 моделей