Brasa 12M
карманная GPT-модель с нуля для запуска прямо в браузере
3 min readupdated
brasa-12m — сверхкомпактная языковая модель формата GPT на 12,2 миллиона параметров от автора Yanzino6, написанная и обученная полностью с нуля на PyTorch без использования готовых весов и сторонних библиотек. Она решает узкую задачу: отвечает на вопросы об одном конкретном человеке на португальском или английском языках, опираясь на небольшую базу знаний. Главная фишка — весь пайплайн, включая BPE-токенизатор (разбивку текста на фрагменты), гибридный поиск фактов и движок инференса на WebAssembly, создан вручную, поэтому модель весит копейки и работает локально в браузере. Пригодится разработчикам и энтузиастам как эталонный пример компактного RAG-решения (генерации с опорой на поиск) для встраивания в веб-страницы.
Ключевые особенности
- Полностью с нуля: трансформер (6 слоёв, 384 размерность, SwiGLU, RoPE), байтовый BPE-токенизатор на 4096 токенов и цикл обучения написаны автором самостоятельно без предобученных чекпоинтов.
- Встроенный гибридный поиск: модель одновременно генерирует ответы и обучена с помощью contrastive loss (контрастивного обучения) ранжировать факты, объединяя классический поиск BM25 со своими эмбеддингами.
- Браузерный движок без зависимостей: квантованная в
int8версия (web/model.i8.bin) занимает всего 12,3 МБ и запускается в клиенте через WebAssembly SIMD с откатом на обычный JavaScript. - Защита от выдумок: поддерживает режим constrained decoding (ограниченной генерации), при котором модель использует только найденные в базе факты и вежливо отказывается отвечать на вопросы вне темы.
Что можно сделать
- Встроить локального ассистента на сайт: использовать готовый JS/WASM-клиент и бандл
model.i8.bin, чтобы запускать вопрос-ответного бота по портфолио или резюме прямо на стороне посетителя без сервера. - Изучить архитектуру LLM и RAG на практике: разобрать компактный код на PyTorch как учебный шаблон того, как объединить генеративную модель и dense-ретривер в одной нейросети.
- Адаптировать под свою мини-базу знаний: переобучить пайплайн на собственном наборе фактов, когда нужен быстрый и полностью контролируемый справочник с минимальным потреблением памяти.
Пример
from huggingface_hub import snapshot_download
from safetensors.torch import load_file
from brasa.model import GPT
from brasa.sample import answer
folder = snapshot_download("Yanzino6/brasa-12m")
out = answer(model, tok, retriever, "Onde o Yan estuda?", prompt_cfg, constrain="retrieved")
print(out["answer"])Подробнее
Качество RAG: в режиме по умолчанию (open-book + ranking prior) на отложенном тесте (1210 вопросов) модель показывает 48.7% EM (точное совпадение), 62.9% F1 и 0.0% выдуманных чисел; нужный факт попадает в топ-4 поиска в 77.7% случаев.Вес файлов: 48.8 МБ (float32), 24.4 МБ (float16) и 12.4 МБ (int8 для браузера); длина контекста — 384 токена.
Обучение: сначала предобучение на 246 млн токенов из португальской и английской Википедии (55 минут на ноутбуке, перплексия 20.4), затем 6000 шагов на корпусе вопросов (81 минута на MPS).
Ограничения: модель намеренно узкая — она не является универсальным ассистентом и не знает ничего за пределами своей базы знаний. Лицензия: MIT.










Comments