Это завершённый претрейн-чекпоинт NanoGPT Ladder v3 на 63,5 млн параметров: он продолжает обычный текст по началу промпта, но не следует инструкциям. Модель обучена с нуля на web-heavy смеси по замороженному рецепту Dolma3 Dolmino; в heavy-смесях 80% данных отводится указанному домену. Архитектура — GPT на 12 слоёв, ширину 512 и 8 голов внимания, с RoPE, связанными эмбеддингами, GPT-2 tokenizer и контекстом 1024 токена. Это база до tiny-rl, SFT и RL, поэтому ей нужны простые текстовые промпты, а не диалоговые инструкции. Пригодится для экспериментов с масштабированием, локальной отладки генерации и дальнейшего файнтюна.
Ключевые особенности
63 504 384 параметра; 12 слоёв, ширина 512, 8 голов внимания.
1,9 млрд prediction tokens и 58 140 шагов оптимизатора, seed 1337.
Web-heavy смесь по Dolma3 Dolmino: 80% на именованный домен; контекст 1024, словарь 50 304.
Это претрейн-база без SFT и RL: ожидайте продолжение текста, а не ответы на вопросы.
Свой загрузчик вместо Transformers AutoModel; чекпоинт поддерживает inference и файнтюн, но без optimizer state.
Что можно сделать
Дообучить на небольшом корпусе под свой стиль или узкую тему — карточка допускает дальнейший файнтюн.
Использовать как локальную тестовую LLM для отладки пайплайна генерации на CUDA, Apple MPS или CPU.
Сравнить с другими размерами NanoGPT Ladder v3 — 8M, 16M и 32M — это независимые запуски.
Проверять, как маленькая модель справляется с продолжением текста, перед переносом на большую.
Пример
uvx --from huggingface_hub hf download davidheineman/nanogpt-ladder-v3-web-heavy-64m-30tpp-seed-1337 --local-dir ./model
cd model
uv run python generate.py 'prompt=Once upon a time' max_new_tokens=128
ПодробнееПараметров: 63 504 384; обучение: 1 905 131 520 prediction tokens, 58 140 шагов. Архитектура: 12 слоёв, ширина 512, 8 голов, RoPE, tied embeddings, GPT-2 tokenizer, контекст 1024. Веса в float32; device=auto выбирает CUDA, Apple MPS или CPU; temperature=0 — greedy decoding. Финальные BPB/loss — это оценка языковой модели, а не точность решения задач.
Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.
Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.
HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.
# davidheineman/nanogpt-ladder-v3-web-heavy-64m-30tpp-seed-1337 — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve davidheineman/nanogpt-ladder-v3-web-heavy-64m-30tpp-seed-1337 --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.
Как ускорить
Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.
Комментарии