SLM-ID-50M от hakim32 (Muflikhul Hakim) — это base language model на ~58 млн параметров, обученная с нуля, а не через fine-tuning. Архитектура decoder-only в стиле Llama, контекст 512 токенов, словарь 16 000 BPE; модель позиционируется как основа для экспериментов с индонезийским и дальнейшего SFT.
Ключевые особенности
Обучена на индонезийском корпусе AksaraLLM/aksara-pretrain-id: Wikipedia ID и CulturaX, 765 815 документов после SHA-1 дедупликации.
13 слоёв, hidden size 512, 8 голов attention, FFN 1 408, SwiGLU, RoPE, RMSNorm и weight tying.
Чекпоинты в Safetensors: основной step 280 000 и дополнительный step 188 000 в INT8, FP16 и FP32.
INT8-версия весит около 57 МБ — удобно для лёгких экспериментов с инференсом.
На валидации step 280 000: loss 2,9412, perplexity 18,94; 90,0% на 200 синтаксических minimal pair.
Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
MODEL_ID = "hakim32/slm-id-50m"
SUB = "pretrain_step_280000_fp16"
tok = AutoTokenizer.from_pretrained(MODEL_ID, subfolder=SUB)
model = AutoModelForCausalLM.from_pretrained(MODEL_ID, subfolder=SUB)
out = model.generate(**tok("Candi Borobudur terletak di", return_tensors="pt"), max_new_tokens=50)
print(tok.decode(out[0], skip_special_tokens=True))
ПодробнееОбучение: ~1,04 млрд токенов за 3 эпохи на 2 × NVIDIA Tesla T4 (Kaggle). Это base-модель без SFT: она не chatbot и предсказывает следующий токен, возможны hallucination. Контекст ограничен 512 токенами; лицензия Apache 2.0. 90% minimal pair — только на указанном наборе из 200 пунктов, не общая оценка понимания языка.
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.
# hakim32/slm-id-50m — 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 hakim32/slm-id-50m --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