Skip to content
Other

Verdin-4B v1.2

вероятности по вариантам вместо генерации текста

2 min readupdated

Модель решает не задачу свободного ответа, а выбор из заранее заданных вариантов: получает состояние и вопрос с именованными опциями, а на выходе даёт вероятность для каждого варианта и отдельный выход для неизвестного. Сделана на базе Qwen/Qwen3.5-4B: LoRA r16 (небольшая надстройка над базовой моделью) обучена на 256 153 строках DI-rendered public rows, затем слита с базой и сконвертирована в runtime verdin в bf16. От обычной LLM отличается тем, что не генерирует текст, а возвращает нормализованные вероятности по списку опций. Пригодится в пайплайнах, где нужно ранжировать или выбирать вариант по состоянию, а не получать связный ответ.

Ключевые особенности

  • На входе — состояние, вопрос и именованные варианты; на выходе — вероятность каждого варианта плюс unknown-голова.
  • База — Qwen/Qwen3.5-4B; LoRA r16, lr 5e-5, 1 эпоха, 256 153 строки, seed 0; LoRA слита, веса в bf16.
  • Публичный suite 0.3: 140 178 запросов, coverage 1.0, index 61.40 / raw 70.85.
  • Калибровка только для точного ключа NONE: сдвиг логита δ = T·ln(0.0067), T = 1.7411; опции не удаляются, промпты не обрезаются, вероятности нормализованы.
  • Serving: verdin.server /v1/systemone; заявленная ёмкость max_state 262 144 / max_branch 263 168 / max_packed 524 288, без обрезания.

Что можно сделать

  • Ранжировать действия агента: передать состояние и список вариантов, получить вероятности и выбрать порог отсечения.
  • Прогнать Decision Index-сценарии на публичном наборе и сравнить index/raw со своими пайплайнами.
  • Поднять сервис на /v1/systemone для задач, где нужен не текст, а распределение по опциям.
  • Учитывать вероятность NONE и unknown-голову при отборе — например, чтобы отсеивать сомнительные варианты.

Пример

Сценарий: состояние — «пользователь просит вернуть товар», вопрос — «какое действие выбрать?», варианты — return, exchange, NONE. Модель вернёт вероятности для каждого варианта и unknown-головы, а не текстовое объяснение. По этим числам уже можно выбрать действие или отправить запрос на ручную проверку.

ПодробнееПубличный suite 0.3: index 61.40, raw 70.85 на 140 178 запросах, coverage 1.0.
База Qwen/Qwen3.5-4B; LoRA r16, lr 5e-5, 1 эпоха, 256 153 строки, seed 0; LoRA слита, bf16.
Калибровка только для точного ключа NONE: δ = T·ln(0.0067), T = 1.7411; вероятности нормализованы.
Ограничение: модель не генерирует текст — только вероятности по именованным вариантам.
Discuss Telegram 0

Will it run?

Runs in BF16

Fits without quantisation.

  • BF16weights 7.8 GB · ready files9.1 GB
  • FP8 / INT8recommendedweights 3.9 GB4.8 GB
  • 4-bitweights 2.2 GB2.9 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 3080

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.

    # victorbennett/Verdin-4B-v1.2
    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 victorbennett/Verdin-4B-v1.2 --local-dir ~/models/Verdin-4B-v1.2
    # The model is in ~/models. How to run it is in the model card (link above).
    Add more LoRAs to Verdin-4B-v1.2
  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

  1. Qwen3.5-4B-Basefamily root
  2. Qwen3.5-4B
  3. Verdin-4B-v1.2

New posts about versions of Qwen3.5-4B-Base (quants, finetunes, LoRAs) will show up under the bell.

Quantised versions 12All on Hugging Face
Fine-tunes 12All on Hugging Face
LoRAs and adapters 12All on Hugging Face
Merges 1All on Hugging Face

About the model

victorbennett/Verdin-4B-v1.2
Author
victorbennett
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

Other

HBAR

HBAR