Skip to content
Computer vision

Industry-Coder-27B-v3.0

27B-модель для автономного кодинга, STEM и промавтоматизации

3 min read

Industry-Coder-27B-v3.0 от автора kataguru — это мультимодальная языковая модель на 27,78 млрд параметров для написания сложного кода, работы в составе ИИ-агентов, решения научных задач и промышленного программирования. Модель построена на базе Qwen/Qwen3.8-27B с гибридной архитектурой (Gated DeltaNet + Full Softmax Attention), сохраняет визуальный энкодер (умеет работать с изображениями и текстом), модуль MTP (Multi-Token Prediction — ускоренное предсказание сразу нескольких токенов) и контекстное окно на 262 144 токена. В отличие от обычного дообучения на статичном датасете, автор использовал собственный адаптивный пайплайн с разделением LoRA-подпространств (чтобы новые навыки программирования не затирали базовые знания). Подойдёт разработчикам IDE- и CLI-агентов, инженерам АСУ ТП и тем, кто ищет локальную модель уровня 27B с сильным рассуждением и вызовом инструментов.

Ключевые особенности

  • Тройной адаптивный пайплайн обучения: модель дообучалась только на тех примерах, которых ещё не знала, с динамической регулировкой длительности по контрольным тестам каждые 50 шагов и автобалансировкой доменов из банка на 156 713+ проверенных задач.
  • Ортонормальное разделение LoRA (`r=16`): первая половина ранга (`[0:8]`) закрепляет базовые и отраслевые знания, а вторая (`[8:16]`) отвечает за олимпиадное программирование, глубокое рассуждение в тегах и параллельный вызов функций.
  • Промышленная специализация и билингвальность: помимо стандартных языков программирования, модель заточена под промышленную автоматизацию (Siemens SCL, Beckhoff TwinCAT 3 ST, CNC G-code) и уверенно владеет английским и финским языками.
  • Сохранены мультимодальность и MTP: при слиянии весов полностью сохранены 27-слойный визуальный энкодер (`333` тензора) и головы спекулятивного декодирования (`15` тензоров).

Что можно сделать

  • Автономные агенты в IDE и CLI: использовать модель для многошаговой разработки, рефакторинга и параллельного вызова внешних инструментов через (в тесте BFCL Non-Live Parallel точность достигает 94,50%).
  • Генерация и отладка промышленного кода: писать и проверять управляющие программы для ПЛК и станков с ЧПУ на Siemens SCL, TwinCAT 3 ST и CNC G-code.
  • Решение сложных STEM- и алгоритмических задач: применять для олимпиадного программирования, математических выкладок с пошаговым рассуждением и анализа технических схем или скриншотов.

Пример

Сценарий запуска из карточки: развёртывание полных BF16-весов через vLLM с тензорным параллелизмом TP=2 на двух GPU по 48–80 ГБ VRAM (для систем с 1–2 видеокартами на 32 ГБ автор также выпустил квантованные версии NVFP4, W4A16-AWQ и GGUF).

Подробнее Бенчмарки (на 2x RTX 5090 32GB): среднее по 15 тестам — 71,90% (+3,05 п.п. к базовой Qwen3.8-27B); LiveCodeBench v6 — 64,57% (+22,28 п.п. к v2.0); GPQA Diamond — 82,32%; GSM8K — 92,12%; BFCL V4 Single-Turn AST — 86,27%.
Формат и объём: полные веса BF16 (`bfloat16`), 18 шардов safetensors общим весом 55,6 ГБ.
Железо: для BF16 рекомендуется vLLM (`TP=2`) на 2x GPU 48–80 ГБ VRAM; для 32 ГБ карт доступны отдельные квантованные сборки.
Контекст: нативное окно 262 144 токена, заявлены языки en, fi, et, hu, tr.
Примеры
Discuss 1 26

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 52 GB · ready files57 GB
  • FP8 / INT8recommendedweights 26 GB29 GB
  • 4-bitweights 15 GB17 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.

    # kataguru/Industry-Coder-27B-v3.0
    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 kataguru/Industry-Coder-27B-v3.0 --local-dir ~/models/Industry-Coder-27B-v3.0
    # The model is in ~/models. How to run it is in the model card (link above).
  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 Qwen3.8-27B (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 2All on Hugging Face

About the model

kataguru/Industry-Coder-27B-v3.0
Author
kataguru
Category
Computer vision
Released
Posted

On NeyroLearn

Hugging Face

261

Ask AI about this model

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

Comments