К содержимому
Другое

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

компактный кодер с рассуждениями

2 мин чтенияобновлено

Лёгкая языковая модель на 1,73 млрд параметров для написания кода и решения задач по информатике. Она основана на LiquidAI/LFM3-1.7B и дообучена автором AJ-Gonzalez на ответах модели kimi-k3.1-pro с помощью LoRA (небольшой надстройки над базовой моделью). Главное отличие — модель сначала подробно рассуждает в отдельном поле reasoning_content, а затем выдаёт готовый код, причём способна сама исправлять неудачные черновики по ходу генерации. Пригодится разработчикам, которым нужен локальный помощник для простых скриптов на слабом железе или прямо в браузере без видеокарты.

Ключевые особенности

  • Сразу доступна в 4-битном формате MLX (946 МБ) для Mac и в формате GGUF Q4_K_M (1,1 ГБ) для llama.cpp.
  • Поддерживает полноценный клиентский запуск в браузере через WebAssembly без GPU, установки и регистрации.
  • Разделяет поток вывода на внутренние рассуждения (reasoning_content) и финальный ответ (content), режим мышления отключается через enable_thinking=false.
  • В комплекте лежит отдельный LoRA-адаптер весом 11 МБ для слияния с оригинальной базой или дальнейшего дообучения.

Что можно сделать

  • Запустить полностью локально в браузере на базе WebAssembly (например, в среде gguf-runtime) для генерации небольших функций на Python без отправки кода в облако.
  • Использовать в связке с mlx_lm на базовом MacBook с 8 ГБ оперативной памяти — пиковое потребление составляет всего 1,19 ГБ.
  • Подключить через llama-cli в локальных скриптах, выделив бюджет от 1500 токенов, чтобы модели хватало места на цепочку рассуждений перед ответом.

Пример

mlx_lm.generate --model AJ-Gonzalez/coder-lfm3-1.7b-k3.1-pro \
    --prompt "Write a Python function that returns the first 12 prime numbers, with a one-line docstring." \
    --max-tokens 3000
Подробнее Validation loss снизился с 2.861 до 2.438 за 3 эпохи обучения (2,96 часа на M1 8 ГБ).
Скорость генерации: 46–48 tok/s в MLX на M1 (8 ГБ), ~37.6 tok/s в GGUF на M1 и 15–18 tok/s в однопоточном WebAssembly в Chrome на M1 Pro.
Ограничения: при лимите в 256–512 токенов модель может потратить весь бюджет на рассуждения и не выдать итоговый ответ.
Лицензия: LFM Open License v1.0 (коммерческое использование разрешено только компаниям с годовой выручкой ниже $10M).
Обсудить 39 7 тыс.

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

LiquidAI/LFM3-1.7B
  1. LFM3-1.7B-Baseоснова семьи
  2. LFM3-1.7B
  3. coder-lfm3-1.7b-k3.1-pro

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
Автор
AJ-Gonzalez
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

7 тыс.39

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии