Skip to content
Other

ZANA Cognitive Engine

сверхлёгкие модели для локального ассистента

2 min readupdated

Набор компактных моделей, которые входят в состав десктопного приложения ZANA Cognitive Engine для работы прямо на устройстве. В релиз включены классификатор намерений пользователя (449,5 тыс. параметров, вес 1,8 МБ) и рекуррентное когнитивное ядро на базе гибридной архитектуры SSM (модель пространства состояний) и attention (132,4 тыс. параметров, вес 0,5 МБ). Модели не предназначены для генерации длинных ответов или свободного общения — за это в приложении отвечает отдельная локальная LLM (например, через Ollama). Разработка пригодится создателям лёгких офлайн-ассистентов, которым нужна быстрая маршрутизация команд без нагрузки на железо.

Ключевые особенности

  • Сверхмалый размер: весят 1,8 МБ и 0,5 МБ, запускаются локально на устройстве без серьёзных требований к ресурсам.
  • Поддержка трёх языков: обучены на текстах на английском, арабском и центральнокурдском (сорани) языках.
  • Точная маршрутизация команд: классификатор дополнен файлом калибровочных порогов calib_b_frozen.json для каждого типа намерений.
  • Гибридная архитектура ядра: побайтовая языковая модель сочетает механизмы SSM и attention при размерности d_model 64.

Что можно сделать

  • Встроить в десктопный или локальный голосовой помощник для мгновенного распознавания базовых команд: создания задач, поиска по документам, вычислений или работы с файлами.
  • Использовать в качестве быстрого фронтенд-маршрутизатора, который определяет тип запроса перед передачей сложной задачи в крупную локальную модель через Ollama.
  • Изучить работу компактной побайтовой модели SSM + attention в исследовательских целях или при разработке собственных сверхлёгких NLP-компонентов.

Пример

from safetensors.torch import load_file
weights = load_file("intent_v3_C_s0.safetensors")
ПодробнееТочность классификатора интентов на валидационной выборке проекта (best_dev3_acc): 0.804.
Показатель bits per token языкового ядра после 3000 шагов: 2.23 (английский), 1.62 (арабский), 1.61 (сорани).
Обучающие данные: датасеты Common Voice (CC0) и MASSIVE (CC BY 4.0), а также 600 шаблонов и 797 примеров для интентов.
Ограничения: классификатор понимает только фиксированный набор действий ассистента; ядро на 132 тыс. параметров не подходит для генерации текста.
Архитектуры и код загрузки находятся в репозитории проекта в директории src/zana/, лицензия — Apache 2.0.
Discuss Telegram 0

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 0.0 GB · ready files0.5 GB
  • FP8 / INT8recommendedweights 0.0 GB0.5 GB
  • 4-bitweights 0.0 GB0.5 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.

What to get for this model

Massed ComputeOpen Massed Compute

Your own GPU: FP8 / INT8 — from RTX 2060 · BF16 — from RTX 2060

Massed Compute hourly prices, November 2026. The discounted price applies with the coupon at checkout.

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.

    # danamohammad/ZANA-Cognitive-Engine
    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 danamohammad/ZANA-Cognitive-Engine --local-dir ~/models/ZANA-Cognitive-Engine
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to ZANA-Cognitive-Engine
  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 ZANA-Cognitive-Engine (quants, finetunes, LoRAs) will show up under the bell.

No known relatives of this model yet. All derivatives on Hugging Face

About the model

danamohammad/ZANA-Cognitive-Engine
Author
danamohammad
Category
Other
Released
Posted

On NeyroLearn

Hugging Face

00

Ask AI about this model

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

Comments