К содержимому
Другое

coder-lfm3-1.7b-k3.1-pro-heretic

компактная модель для кода без отказов

2 мин чтения

Новая версия компактной языковой модели на 1.73 млрд параметров для генерации кода, основанная на AJ-Gonzalez/coder-lfm3-1.7b-k3.1-pro (дистиллят на базе LiquidAI/LFM3-1.7B). Автор применил метод abliteration (удаление механизма отказов из весов нейросети) с помощью инструмента Heretic 2.0.0. В отличие от агрессивных вариантов абляции, здесь выбрана мягкая точка баланса: модель отвечает на запросы, которые отклоняла база, но практически не теряет в качестве программирования. Подойдёт разработчикам для локального запуска на ноутбуках и слабом железе через MLX, llama.cpp или Transformers.

Ключевые особенности

  • Снижение числа отказов с 90/100 до 15/100 на тестовом наборе harmful_behaviors.
  • Сохранение качества кода: результат на HumanEval+ составляет 0.396 против 0.402 у базовой модели (в пределах статистической погрешности).
  • Три готовых формата весов в одном репозитории: 4-bit MLX (946 МБ), GGUF Q4_K_M (1.1 ГБ) и полная версия bf16 (3.48 ГБ).
  • Поддержка режима рассуждений (enable_thinking), который можно отключать для мгновенного вывода кода.

Что можно сделать

  • Развернуть локального ассистента программиста на Mac с Apple Silicon через mlx_lm — на чипе M1 модель выдаёт 47 токенов в секунду.
  • Запустить в llama.cpp на обычном ПК или сервере без мощной видеокарты, используя готовый файл GGUF.
  • Интегрировать в локальные пайплайны и скрипты через стандартную библиотеку transformers для генерации и рефакторинга функций.

Пример

mlx_lm.generate --model AJ-Gonzalez/coder-lfm3-1.7b-k3.1-pro-heretic \
    --prompt "Write a Python function that merges two sorted lists." --max-tokens 512
ПодробнееМетрики: HumanEval+ base/plus — 0.396 / 0.384 (база: 0.402 / 0.384); NLL на 20 задачах SWE-bench Verified — 2.8517 (+7% к базе).
Железо и скорость: на MacBook M1 (8 ГБ) версия MLX 4-bit потребляет 1.14 ГБ памяти на пике и генерирует 47 tok/s; GGUF Q4_K_M в llama.cpp даёт 39.0 tok/s.
Обучение: поиск по 12 испытаниям Optuna в Heretic 2.0.0 на одной Tesla T4 (fp16), затронуты слои 8–15 (LoRA rank 50), веса влиты в модель.
Лицензия: LFM Open License v1.0 (коммерческое использование разрешено при годовой выручке ниже $10M).
Обсудить Telegram 7 385

Запустится ли?

Запустится в U32

Влезает без сжатия.

  • U32веса 3.2 GB · готовые файлы4.0 GB
  • FP8 / INT8рекомендуемвеса 1.6 GB2.3 GB
  • GGUF Q4_K_Mвеса 1.0 GB · готовые файлы1.6 GB
  • 4-bitвеса 0.9 GB1.5 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 · U32 — 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.

    # AJ-Gonzalez/coder-lfm3-1.7b-k3.1-pro-heretic
    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 AJ-Gonzalez/coder-lfm3-1.7b-k3.1-pro-heretic --local-dir ~/models/coder-lfm3-1.7b-k3.1-pro-heretic
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к coder-lfm3-1.7b-k3.1-pro-heretic
  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

AJ-Gonzalez/coder-lfm3-1.7b-k3.1-pro
  1. LFM3-1.7B-Baseоснова семьи
  2. LFM3-1.7B
  3. coder-lfm3-1.7b-k3.1-pro
  4. coder-lfm3-1.7b-k3.1-pro-heretic

Новые посты про версии LFM3-1.7B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face

О модели

AJ-Gonzalez/coder-lfm3-1.7b-k3.1-pro-heretic
Автор
AJ-Gonzalez
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

3857

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии