К содержимому
Языковые модели

Fable

LoRA для разбора инцидентов 5G SA

2 мин чтенияобновлено

Fable — это LoRA-адаптер (небольшая надстройка над базовой моделью) для Mistral-Small-4-119B-2603: MoE-модели на 119B параметров, из которых активны 6.5B. Адаптер дообучен под задачи 5G Standalone: архитектуру ядра 3GPP Rel-17/18, поиск корневой причины сбоев в RAN, Transport и Core, а также операции в суверенном телеком-облаке. На выходе — разбор инцидента или конфигурации с локализацией причины, отсылками к cause codes и таймерам, а при нехватке телеметрии модель должна воздержаться от ответа. Пригодится инженерам NOC, архитекторам 5G Core и тем, кто автоматизирует runbooks; для запуска нужна базовая 119B-модель, так что это не вариант для слабого железа.

Ключевые особенности

  • LoRA ранга r=32, alpha=64 в BF16; адаптер весит 219.8 MB и ставится на все 288 проекций MLA и shared-expert MLP в 36 слоях.
  • Обучение на 240 сценариях, сгенерированных детерминированным Python-солвером по физике 3GPP Rel-17/18, link budget, Erlang-C и state machines; без дистилляции из внешних frontier-LLM.
  • Loss на обучении упал с 1.2810 до 0.0365 (-97.15%), token accuracy — с 67.9% до 98.98%.
  • На 30 unseen-сценариях общий rubric score 85.22% против 34.94% у базы и 59.94% у базы с 6.5k-токенным playbook.
  • Блок обязательного 5-блочного NOC-ответа соблюдён в 100% случаев; epistemic abstention — тоже 100%.

Что можно сделать

  • Разбирать инцидент 5G SA по телеметрии и PCAP: локализовать проблему на уровне RAN, Transport или Core и предложить root cause.
  • Сверять signaling, cause codes и timers 3GPP Rel-17/18 в NOC-runbook'ах и проверять ответы на соответствие обязательной структуре.
  • Считать link budget, PRACH, Erlang-C и dimensioning UPF/eBPF/SR-IOV с проверкой числовых допусков.
  • Оценивать blast radius и chaos-сценарии для суверенного телеком-облака; если данных не хватает — модель должна сказать об этом, а не выдумывать.

Пример

import torch
from transformers import AutoModelForCausalLM
from peft import PeftModel
base = AutoModelForCausalLM.from_pretrained(
    'mistralai/Mistral-Small-4-119B-2603',
    torch_dtype=torch.bfloat16, device_map='auto')
model = PeftModel.from_pretrained(base, 'AIHeikki/fable-mistral-small-4-119b-telco-lora')
ПодробнееБенчмарк: overall rubric 85.22%, exact numerical math ±1% — 72.50%, 3GPP recall — 82.22%, blind judge — 9.52/10.
Pairwise против базы: 29W / 0T / 1L; против RAG+Prompt: 28W / 1T / 1L.
Обучение: 8x NVIDIA H100 80GB HBM3 (640 GB VRAM), 26.2 минуты; адаптер 219.8 MB.
Ограничения: узкая телеком-доменность и необходимость держать базовую 119B MoE; лицензия Apache 2.0.
Обсудить Telegram 0 19

Запустится ли?

Не запустится

Не хватает памяти даже для 4-bit. Ниже — где арендовать подходящую видеокарту.

  • F8_E4M3рекомендуемвеса 113 GB · готовые файлы125 GB
  • 4-bitвеса 63 GB70 GB

Совет: берите 8-bit.F8_E4M3 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: В домашние видеокарты не поместится — выгоднее арендовать.

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

Это LoRA: вместе с базовой моделью Mistral-Small-4-119B-2603.

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

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте 4× RTX A6000

    $1.71 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # AIHeikki/fable-mistral-small-4-119b-telco-lora — 4× RTX A6000, F8_E4M3
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve mistralai/Mistral-Small-4-119B-2603 --max-model-len 8192 --tensor-parallel-size 4 --enable-lora --max-lora-rank 64 --lora-modules fable-mistral-small-4-119b-telco-lora=AIHeikki/fable-mistral-small-4-119b-telco-lora
    Добавить ещё LoRA к Mistral-Small-4-119B-2603
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Нужна базовая модель

mistralai/Mistral-Small-4-119B-2603

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии Mistral-Small-4-119B-2603 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

AIHeikki/fable-mistral-small-4-119b-telco-lora
Автор
AIHeikki
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Coli-ByT5-Small

Coli-ByT5-Small