diff --git a/simple_llm/transformer/head_attention.py b/simple_llm/transformer/head_attention.py
index ac6f061..3366f7b 100644
--- a/simple_llm/transformer/head_attention.py
+++ b/simple_llm/transformer/head_attention.py
@@ -1,6 +1,7 @@
 import torch
 from torch import nn
 import torch.nn.functional as F
+import math
 from math import sqrt
 
 class HeadAttention(nn.Module):
@@ -45,6 +46,36 @@ class HeadAttention(nn.Module):
         mask = torch.tril(torch.ones(max_seq_len, max_seq_len))
         self.register_buffer('_tril_mask', mask.bool() if hasattr(torch, 'bool') else mask.byte())
 
+    def get_attention_weights(self, x: torch.Tensor) -> torch.Tensor:
+        """
+        Возвращает матрицу весов внимания без умножения на V.
+        
+        Аргументы:
+            x (torch.Tensor): Входной тензор формы [batch_size, seq_len, emb_size]
+            
+        Возвращает:
+            torch.Tensor: Матрица весов внимания формы [batch_size, seq_len, seq_len]
+            
+        Пример:
+        >>> attention = HeadAttention(emb_size=64, head_size=32, max_seq_len=128)
+        >>> x = torch.randn(1, 10, 64)
+        >>> weights = attention.get_attention_weights(x)  # [1, 10, 10]
+        """
+        seq_len = x.shape[1]
+        if seq_len > self._max_seq_len:
+            raise ValueError(f"Длина последовательности {seq_len} превышает максимум {self._max_seq_len}")
+
+        # Вычисляем Q и K
+        k = self._k(x)  # [B, T, hs]
+        q = self._q(x)  # [B, T, hs]
+        
+        # Вычисляем scores и применяем маску
+        scores = q @ k.transpose(-2, -1) / math.sqrt(self._head_size)
+        scores = scores.masked_fill(~self._tril_mask[:seq_len, :seq_len], float('-inf'))
+        
+        # Возвращаем нормализованные веса
+        return torch.softmax(scores, dim=-1)
+
     def forward(self, x: torch.Tensor) -> torch.Tensor:
         """
         Прямой проход через слой внимания.
diff --git a/tests/test_multi_head_attention.py b/tests/test_multi_head_attention.py
new file mode 100644
index 0000000..bdba760
--- /dev/null
+++ b/tests/test_multi_head_attention.py
@@ -0,0 +1,90 @@
+import torch
+import pytest
+from simple_llm.transformer.multi_head_attention import MultiHeadAttention
+
+@pytest.fixture
+def sample_input():
+    """Фикстура с тестовыми входными данными"""
+    batch_size = 2
+    seq_len = 10
+    emb_size = 64
+    return torch.randn(batch_size, seq_len, emb_size)
+
+def test_initialization():
+    """Тест инициализации с правильными параметрами"""
+    mha = MultiHeadAttention(
+        num_heads=8,
+        emb_size=64,
+        head_size=32,
+        max_seq_len=100,
+        dropout=0.1
+    )
+    
+    assert len(mha._heads) == 8
+    assert mha._layer.in_features == 8 * 32
+    assert mha._layer.out_features == 64
+    assert mha._dropout.p == 0.1
+
+def test_forward_pass(sample_input):
+    """Тест прямого прохода с сохранением размерности"""
+    mha = MultiHeadAttention(
+        num_heads=4,
+        emb_size=64,
+        head_size=16,
+        max_seq_len=50
+    )
+    
+    output = mha(sample_input)
+    assert output.shape == sample_input.shape
+
+def test_dropout_effect(sample_input):
+    """Тест влияния dropout на выход"""
+    mha_with_dropout = MultiHeadAttention(
+        num_heads=4,
+        emb_size=64,
+        head_size=16,
+        max_seq_len=50,
+        dropout=0.5
+    )
+    
+    mha_without_dropout = MultiHeadAttention(
+        num_heads=4,
+        emb_size=64,
+        head_size=16,
+        max_seq_len=50,
+        dropout=0.0
+    )
+    
+    output1 = mha_with_dropout(sample_input)
+    output2 = mha_without_dropout(sample_input)
+    assert not torch.allclose(output1, output2)
+
+def test_gradient_flow(sample_input):
+    """Тест корректности обратного распространения"""
+    mha = MultiHeadAttention(
+        num_heads=4,
+        emb_size=64,
+        head_size=16,
+        max_seq_len=50
+    )
+    
+    sample_input.requires_grad_(True)
+    output = mha(sample_input)
+    output.sum().backward()
+    assert sample_input.grad is not None
+
+def test_mask_support(sample_input):
+    """Тест поддержки масок (должен проходить даже без реализации)"""
+    mask = torch.ones(sample_input.shape[:2])
+    mha = MultiHeadAttention(
+        num_heads=4,
+        emb_size=64,
+        head_size=16,
+        max_seq_len=50
+    )
+    
+    try:
+        output = mha(sample_input, mask=mask)
+        assert output.shape == sample_input.shape
+    except Exception as e:
+        pytest.fail(f"Mask handling failed: {e}")