VickM/leviathan-19t
leviathan-19t A 19.0-trillion-parameter model that contains nothing. What it demonstrates Hugging Face computes a repository's parameter count from safetensors headers alone. It sums prod(shape) per tensor and never reads the tensor data, so the cou...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#2 Repository Của Tuần
#2 Repository Của Tuần
🤡 leviathan-19t: Mô hình 19 nghìn tỷ tham số nhưng không làm gì cả
Một mô hình rỗng tới 9,5 TB nhưng chỉ tốn vài trăm KB khi tải về.
leviathan-19t là một dự án giọt súc trên Hugging Face, khai khống header của file safetensors để tạo ra một mô hình tuyên truyền có 18,996,640,350,208 tham số — đạt 15.1% vượt mốc kỷ lục trước đó. Dù vẻy lên như một mô hình lớn, toàn bộ dữ liệu thực tế chỉ là các byte 0x00, và mô hình này không có bất kỳ khả năng xử lý nào.
✨ Điểm nổi bật
- Khai khống header: Hugging Face tính số tham số từ header
safetensors, không đọc dữ liệu thực, nên số liệu phụ thuộc hoàn toàn vào khai báo. - 4.422 tensor kiểu
[65536, 65536]: Sử dụng dtypeF4(4 bit/tham số), tốối đa hóa tỷ lệ tham số trên mỗi byte. - 1 tensor vị trí
[4294967296, 1]: Bổ sung thêm một tensor lớn nữa để tăng tổng tham số. - 444 shard: Chia nhỏ mô hình thành 444 phần, mỗi phần tuân thủ đúng định dạng
safetensors. - Byte đúng 9,5 TB nhưng chỉ chuyển vài trăm KB: Hệ thống nén theo nội dung (content-defined chunking) gom toàn bộ dữ liệu rỗng thành một khối.
- Shard là file lỗ (sparse file): Dùng
ftruncatetạo lỗ hệ thống tệp, báo kích thước đầy đủ nhưng không chiếm dung lượng thực. - Quota tính theo kích thước logic: Dù dữ liệu thực nhỏ, Hugging Face tính phí theo tổng số byte được khai báo.
- Không có khả năng thực tế: Mô hình chỉ là một cuộc thử nghiệm kỹ thuật, không thực hiện bất kỳ nhiệm vụ AI nào.
💡 Vì sao đáng chú ý
Đây không phải là một mô hình AI thực sự, mà là một bài thí nghiệm kỹ thuật sâu sắc. Nó phơi lộ cách Hugging Face tính số tham số — dựa trên header — và cách hệ thống lưu trữ/phí dịch vụ hoạt động. Mặc dù không có giá trị thực tế, dự án này vượt mốc kỷ lục một cách sáng tạo, cho thấy ranh giới giữa số liệu và thực tế.
#JokeModel #Safetensors #RecordBreaker #TiniX
Similar Projects
Discover other similar projects and AI models.
vacuum-16t A 16.5-trillion-parameter model that contains nothing. This model is just a fuck you to the labs and companies who say that "haha I have the biggest model out there!". We the people with shitty laptops want to get a record. And I now have...
NullNet 19.98Q Full version of Solenopsisbot/nullnet-mini-1.2q(https://huggingface.co/Solenopsisbot/nullnet-mini-1.2q) 19,980,000,000,000,000 logical 2-bit parameters. Built by @Solenopsisbot(https://huggingface.co/Solenopsisbot), inspired by tsfrm/...
DeepSeek-R1 Paper Link👁️ 1. Introduction We introduce our first-generation reasoning models, DeepSeek-R1-Zero and DeepSeek-R1. DeepSeek-R1-Zero, a model trained via large-scale reinforcement learning (RL) without supervised fine-tuning (SFT) as a p...
FlagEmbedding Model List | FAQ | Usage | Evaluation | Train | Contact | Citation | License More details please refer to our Github: FlagEmbedding(https://github.com/FlagOpen/FlagEmbedding). If you are looking for a model that supports more languages,...
GPT-2 Test the whole generation capabilities here: https://transformer.huggingface.co/doc/gpt2-large Pretrained model on English language using a causal language modeling (CLM) objective. It was introduced in this paper(https://d4mucfpksywv.cloudfro...
DeepSeek-V4: Towards Highly Efficient Million-Token Context Intelligence Technical Report👁️ Introduction We present a preview version of DeepSeek-V4 series, including two strong Mixture-of-Experts (MoE) language models — DeepSeek-V4-Pro with 1.6T p...
Unlimited OCR Works Welcome the Era of One-shot Long-horizon Parsing. Release - 2026/06/23 📄 Our paper is now available on arXiv(https://arxiv.org/abs/2606.23050). - 2026/06/23 🤝 Thanks to the ModelScope community for their support. Our model is n...
all-MiniLM-L6-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic search. Usage (Sentence-Transformers) Using t...
NullNet Mini 1,202,590,842,880,000 parameters. All zero. Built by @Solenopsisbot(https://huggingface.co/Solenopsisbot), inspired by tsfrm/vacuum-16t(https://huggingface.co/tsfrm/vacuum-16t). NullNet Mini started as an attempt to make an 11.7-quadril...