Skip to content
Other

Wildcat-d3-ultra-bf16

полные bf16-веса для d3-ultra без распаковки на лету

2 min readupdated

Модель Wildcat-d3-ultra-bf16 от BoldingBuilds решает задачи zero-shot-классификации (классификации запросов без предварительного дообучения под конкретные классы) и оценки запросов в рамках бенчмарка Decision Index. Она основана на архитектуре vllm-sr/d3-ultra объёмом 26.09 млрд параметров и представляет собой заранее распакованную в формат bf16 версию модели Wildcat-d3-ultra-3bit со вшитым адаптером LoRA (небольшой надстройкой, исправляющей точность после квантования). В отличие от 3-битного релиза, здесь распаковка слоёв и слияние весов уже выполнены заранее, поэтому модель запускается штатным движком d3-ultra без лишних зависимостей и задержек на конвертацию. Подойдёт разработчикам и исследователям с производительными GPU, которым нужна готовая к продакшену bf16-версия для маршрутизации и классификации запросов.

Ключевые особенности

  • Полная совместимость со стандартным рантаймом d3-ultra (d3_engine, modeling_d3.py, pipeline_d3.py) — файлы среды выполнения побайтово идентичны оригиналу.
  • Все 400 сжатых линейных слоёв из 3-битной версии уже распакованы в bf16, а исправляющая LoRA вмерджена в основные веса.
  • Пройдена строгая верификация шардов: имена, формы и типы всех 1 183 тензоров совпадают со схемой d3-ultra, а ответы на проверочных запросах совпадают с эталонным прогоном.
  • На публичном бенчмарке Decision Index 0.3 модель набирает 70.66 балла на полной выборке из 140 178 запросов.

Что можно сделать

  • Развернуть как готовый движок zero-shot-классификации и оценки запросов в d3_engine на серверах с большим объёмом видеопамяти без накладных расходов на деквантование при старте.
  • Использовать для воспроизведения результатов Decision Index 0.3 или в качестве базового bf16-чекпоинта для дальнейших экспериментов на базе d3-ultra.

Пример

hf download BoldingBuilds/Wildcat-d3-ultra-bf16 --local-dir wildcat-bf16
PYTHONPATH=wildcat-bf16 python -m decision_index run --engine d3_engine:D3Engine --option model=wildcat-bf16
Подробнее Метрика: Decision Index 0.3 — 70.66 (140 178 запросов).
Требования к железу: около 54 ГБ VRAM для загрузки весов в bf16 (для видеокарт на 24 ГБ автор рекомендует 3-битную версию).
Детали сборки: эмбеддинги, нормы, vision tower и readout скопированы из d3-ultra без изменений; вмердженная LoRA обучена на разметке Fastino GLiDE.
Лицензия: код и базовые веса d3-ultra под Apache-2.0, итоговая модель распространяется под Fastino Community License.
Discuss Telegram 0 25

Will it run?

Runs in 4-bit

Full precision does not fit, a quantised version does: quality barely changes down to 8 bits, more noticeably at 4 bits.

  • BF16weights 49 GB · ready files54 GB
  • FP8 / INT8recommendedweights 24 GB27 GB
  • 4-bitweights 14 GB16 GB

Tip: go 8-bit.FP8 / INT8 is within about a percent of full precision in quality, takes half the memory and runs faster on RTX 40/50 and H100. Full precision only pays off for fine-tuning.

Estimate: weights plus working memory. Long videos, high resolutions and long contexts need more.

Run it on Massed Compute

The script downloads the model to the rented machine. How to run it is in the model card.

  1. 1. Rent a machine with a fitting GPU

    Open Massed Compute
  2. 2. Paste the script into the machine's terminal

    Connect over SSH (the Massed Compute panel shows the command) or open a terminal on the machine's desktop.

    HF_TOKEN / CIVITAI_TOKENThe script starts with token lines: paste yours between the quotes. The Hugging Face token is for gated models, the Civitai one for Civitai models.

    # BoldingBuilds/Wildcat-d3-ultra-bf16
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download BoldingBuilds/Wildcat-d3-ultra-bf16 --local-dir ~/models/Wildcat-d3-ultra-bf16
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to Wildcat-d3-ultra-bf16
  3. 3. Use it

    The model is in ~/models. How to run it is in the model card (link above).

Stop the machine in the panel when you are done: it bills by the minute while it runs.

How to speed it up

Picked for this model type. Choose your hardware above to see what fits you exactly.

  • FlashAttention 44.0.0b40from November 18, 2026new release

    fastest exact attention on B200

    Kernels for Blackwell (beta). Exact attention without quantisation — fine for everything, LLMs included.

    How to enable: pip install flash-attn-4; vLLM and SGLang pick it up themselves.

    Earlier generations (2)
    • FlashAttention 3 — The Hopper (H100/H200) version with FP8.
    • FlashAttention 2 — The standard for RTX 30/40/50 and A100: exact attention without the memory cost of long contexts.
  • torch.compile2.15.0from October 28, 2026new release

    10–30% for free

    Compiles the model for your GPU. Slower first run, faster afterwards.

    How to enable: model = torch.compile(model); in ComfyUI the TorchCompileModel node.

Model family

New posts about versions of d3-ultra (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 10All on Hugging Face
Fine-tunes 2All on Hugging Face

About the model

BoldingBuilds/Wildcat-d3-ultra-bf16
Author
BoldingBuilds
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

250

Ask AI about this model

Answered by Gemini 4 · the chat is kept only in this tab

Comments