К содержимому
Другое

Jalebi-Loop-35M

компактная модель для принятия решений и маршрутизации

2 мин чтения

Модель от Airavat-ai размером всего 35M параметров создана не для генерации текста, а для эффективного выбора вариантов, классификации и оценки по критериям. Она принимает на вход контекст и список опций, выдавая скоры для каждого варианта за один проход, что исключает галлюцинации и промпт-инъекции. Архитектура поддерживает динамическую глубину вычислений через повторяющийся средний блок (от K=1 для максимальной скорости до K=4 для точности). Решение идеально подходит разработчикам для задач роутинга запросов, фильтрации и быстрой кастомной доучки на одной видеокарте.

Ключевые особенности

  • Сверхлёккая архитектура: всего 35M параметров, потребление видеопамяти от 0.3 до 0.6 ГБ.
  • Гибкая глубина (K): переключение между K=1 (высокая скорость) и K=4 (повышенная точность) на этапе инференса.
  • Три типа задач: обработка выбора (choice), бинарных вероятностей (noul) и оценка по критериям (score).
  • Готовность к дообучению: простая кастомизация под собственные бизнес-процессы и классификаторы.

Что можно сделать

  • Маршрутизация обращений: распределяйте входящие тикеты техподдержки по отделам (биллинг, фрод, поддержка).
  • Автоматическая классификация: фильтруйте короткие структурированные запросы и тексты без риска генерации лишнего мусора.
  • Ранжирование вариантов: оценивайте релевантность готовых опций под заданные критерии.
  • Быстрый инференс: разворачивайте модель в сервисах с жесткими требованиями к задержке и минимальному потреблению VRAM.

Пример

import sys, numpy as np
sys.path[:0] = ["code", "code/eval", "code/model"]
from s1mb_adapter import load_checkpoint
from heldout_eval import build_scorer

model, tok, meta = load_checkpoint("Jalebi-Loop.pt", "tok24k.json", device="cpu")
scorer = build_scorer(model, tok, 512, "cpu", layout=meta["layout"])

record = {
    "case_id": "demo", "question_id": "demo", "task": "choice",
    "state": "Customer writes: my card was declined while travelling abroad",
    "question": "Where should this request go?",
    "options": ["billing team", "fraud team", "general support"],
    "option_ids": ["0", "1", "2"],
}
scores = scorer.score_records([record], 4)[0]["scores"][-1]
probs = np.exp(scores - scores.max()); probs /= probs.sum()
print(probs)
ПодробнееМетрики: на бенчмарке S1MB English v1 (K=4) средний показатель task average составляет 9.87.
Железо: на NVIDIA L4 в режиме K=1 (bf16) модель выдает до 411–421 запросов в секунду при пиковой памяти до 0.38 ГБ.
Ограничения: окно контекста ограничено 512 токенами, каждая опция — до 40 токенов. Модель не является генератором текста и показывает слабые результаты на длинных рассуждениях.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.1 GB · готовые файлы0.6 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.0 GB0.5 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 2060

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.

    # Airavat-ai/Jalebi-Loop-35M
    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 Airavat-ai/Jalebi-Loop-35M --local-dir ~/models/Jalebi-Loop-35M
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Jalebi-Loop-35M
  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

Новые посты про версии Jalebi-Loop-35M — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Airavat-ai/Jalebi-Loop-35M
Автор
Airavat-ai
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

HMH-1-Cell

HMH-1-Cell
Другое

Alcyone-W

Alcyone-W