К содержимому
Компьютерное зрение

Aurum 4B

версия Qwen3.5-4B без отказов и цензуры

2 мин чтения

Aurum 4B представляет собой официальную мультимодальную модель Qwen/Qwen3.5-4B (размером 4.66 млрд параметров), у которой полностью удалено поведение отказов (refusal behavior) при сохранении всех остальных весов, включая оригинальную визуальную башню и MTP-голову (multi-token-prediction). Модель создана для повседневного общения и вызова инструментов (tool calling) на видеокартах с 8 GB VRAM. По сравнению с базовой версией она не отказывает на сложные или чувствительные запросы, показывая при этом высокую точность в бенчмарках следования инструкциям и работы с функциями.

Ключевые особенности

  • Полная свобода: 0 отказов из 100 тестовых вредных промптов при сохранении 0% ложных срабатываний на безопасных запросах.
  • Оптимизация под железо: разработана для запуска на видеокартах с 8 GB VRAM (поддерживаются квантования GGUF для llama.cpp).
  • Сохранение мультимодальности: полностью сохранены оригинальный vision-проектор и токенизатор базовой Qwen3.5.
  • Улучшенные метрики: превосходит предшественников в тестах IFEval и BFCL (Function Calling Leaderboard).

Что можно сделать

  • Интеграция в локальные чат-боты: развернуть модель в локальном приложении или боте для свободной генерации текста и кода без лишней цензуры.
  • Тестирование вызова инструментов: использовать модель для проектов, требующих надежного tool calling (вызова функций) на слабом железе.
  • Мультимодальные задачи: обрабатывать изображения и текст на базе архитектуры Qwen3.5 с расширенными возможностями reasoning.
  • Запуск через llama.cpp: использовать готовые GGUF-квантования для быстрой работы на потребительских ПК.

Пример

from transformers import AutoModelForImageTextToText, AutoProcessor

model = AutoModelForImageTextToText.from_pretrained("2Beyes/Aurum_4b-safetensors", dtype="auto", device_map="auto")
processor = AutoProcessor.from_pretrained("Qwen/Qwen3.5-4B")
ПодробнееБенчмарки: IFEval strict (78.6), BFCL non-live average (85.9), GPQA Diamond (49.5).
Требования: видеокарта от 8 GB VRAM.
Ограничения: модель иногда может вызывать инструмент там, где он не нужен (BFCL irrelevance 80.8), и тестировалась только на английском языке.
Лицензия: Apache License 2.0.
Обсудить Telegram 0 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.7 GB · готовые файлы10 GB
  • FP8 / INT8рекомендуемвеса 4.3 GB5.3 GB
  • 4-bitвеса 2.4 GB3.2 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2080 Ti

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # 2Beyes/Aurum_4b-safetensors
    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 2Beyes/Aurum_4b-safetensors --local-dir ~/models/Aurum_4b-safetensors
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Aurum_4b-safetensors
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Дообучение модели

Qwen/Qwen3.5-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. Aurum_4b-safetensors

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

2Beyes/Aurum_4b-safetensors
Автор
2Beyes
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии