Negative-v1.0: SLM з 67 тис. параметрів досягає 22,95% точності на ARC Challenge

TL;DR

• •67 тис. параметрів у власній архітектурі
• •Навчена на 600 млн токенів
• •22,95% точності на ARC Challenge
• •Доступна на Hugging Face: huggingface.co/fromziro/Negative-v1.0
• •Не призначена для продакшену

---

Як це змінить ваш ринок?

Не змінить. Це дослідження меж ефективності ШІ, а не продукт для впровадження. Для компаній до 200 людей це нічого не змінює — немає готового рішення, API або бізнес-моделі.

Визначення: SLM (Small Language Model) — мовна модель з обмеженою кількістю параметрів, оптимізована для низьких ресурсів, але з жертвою якості.

Для кого це і за яких умов (ОБОВ'ЯЗКОВО: мін. обладнання/бюджет, потрібна команда чи ні, мін. масштаб, час на впровадження.

❌ «Підходить для компаній будь-якого розміру». ✅ 7B: MacBook 16GB, без IT-команди, 15 хв. 27B: GPU $2,000+ або хмара ~$0.5/год, IT-спеціаліст, 1-2 дні.) Для Negative-v1.0: ноутбук з 8GB RAM, без IT-команди, 5 хв на завантаження та тест. Але через низьку точність — тільки для дослідження архітектур, не для реальних задач.

Альтернативи (ТАБЛИЦЯ: | | Продукт 1 | Продукт 2 | Продукт 3 | з колонками: Ціна, Де працює, Мін. вимоги, Ключова різниця. ОБОВ'ЯЗКОВО конкретні ціни. ❌ «Потужна модель» — нуль інформації. ✅ "$15/1M токенів" або "безкоштовно" або "ціна не розкрита".)

| | Negative-v1.0 | Phi-2 (Microsoft) | TinyLlama | DistilBERT | | Ціна | безкоштовно | безкоштовно | безкоштовно | безкоштовно | | Де працює | Hugging Face | Hugging Face | Hugging Face | Hugging Face | | Мін. вимоги | ноутбук 8GB RAM | ноутбук 16GB RAM | ноутбук 8GB RAM | ноутбук 8GB RAM | | Ключова різниця | 67K параметрів, 22,95% ARC | 2.7B параметрів, 60%+ ARC | 1.1B параметрів, 45% ARC | 66M параметрів, N/A для ARC |

---