Hedwig 97.6M
компактная модель для историй и правки грамматики
3 мин чтенияобновлено
Hedwig 97.6M — миниатюрная языковая модель (LLM) в стиле ChatGPT на 97,6 млн параметров, написанная и обученная с нуля на чистом PyTorch без высокоуровневых фреймворков вроде HF Trainer или Lightning. Она умеет сочинять короткие сказки на английском языке и исправлять грамматику с тоном в повседневных текстах. В основе лежит современная архитектура Transformer (12 слоёв, RoPE, RMSNorm, SwiGLU, SDPA) с собственным BPE-токенизатором на 8 192 токена, прошедшая этапы предобучения, SFT (дообучения на инструкциях) и Anchored DPO (выравнивания по предпочтениям). Благодаря малому весу и версиям с квантованием (сжатием весов в 8-bit и 4-bit) модель работает полностью офлайн даже на ноутбуках — на чипе Apple M4 она выдаёт 54 токена в секунду.
Ключевые особенности
- Написана с нуля на PyTorch: весь пайплайн — от токенизатора и предобучения на 159 млн токенов (TinyStories, FineWeb-Edu, классика Project Gutenberg) до DPO и квантования — реализован без сторонних обёрток.
- Экстремальная компактность: в базовом формате
bfloat16чекпоинт весит 195,6 МБ, а версии с квантованиемint8иint4занимают всего 98,2 МБ и 55,2 МБ соответственно. - Два основных режима: модель дообучена на 30 930 парах инструкций из датасетов TinyStories-Instruct и CoEdIT для генерации историй и базовой редакторской правки.
- Быстрый локальный инференс: оптимизирована для офлайн-запуска на потребительском железе, включая компьютеры Mac с Apple Silicon.
Что можно сделать
- Локальный генератор сказок: встроить чекпоинт в офлайн-приложение или скрипт для создания простых историй на английском без доступа к интернету.
- Базовая корректура коротких фраз: использовать для быстрой правки грамматики и стиля в небольших повседневных сообщениях.
- Изучение устройства LLM: разобрать открытый код обучения на чистом PyTorch и визуализировать работу слоёв через прилагаемый интерфейс Brain X-Ray UI.
Пример
Промпт: Write a story about a boy named Harry Potter.
Ответ модели (54 tok/s офлайн на Apple M4): Harry Potter was a humble boy who liked to play. One day, he decided to go out and play. He walked down the street, laughing and having so much fun. Suddenly, Harry saw something shiny in a store window...
Подробнее
Метрики: финальный чекпоинтbrain_dpo.pt показал Val/Test Loss 1.235 и 95,0% saved win-rate на этапе DPO (пиковый — 96,7%); для int4-версии Loss составил 1.4118.Обучение: заняло около 66 минут на одной видеокарте NVIDIA A40 (48 GB) и обошлось примерно в $0.65.
Ограничения: при 97,6M параметров это учебная модель для сказок, а не универсальный ассистент; в длинных рабочих письмах она может обрезать текст или пропускать согласование времён.
Дополнительно: в релизе также заявлен более крупный вариант
hedwig-300m, а исходники доступны в репозитории автора на GitHub.









Комментарии