К содержимому
Языковые модели

Onyx-2B

компактный LoRA-адаптер для рассуждений на базе Qwen3.5-2B

2 мин чтения

Onyx-2B — это файнтюн языковой модели Qwen/Qwen3.5-2B от команды AjelixAI, выпущенный в виде LoRA (легковесного адаптера поверх базовой модели). Модель обучена на закрытом внутреннем наборе инструкций для решения логических и математических задач, сохраняя при этом компактный размер (2.24B параметров в базе). От оригинальной Qwen3.5-2B она отличается более высокой точностью ответов без раздувания длины рассуждений — трассировка мыслей занимает столько же токенов. Адаптер пригодится исследователям и разработчикам, которым нужна небольшая локальная LLM для экспериментов с пошаговым мышлением (thinking mode).

Ключевые особенности

  • Прирост точности без лишних слов: на тестовом наборе из 16 задач точность выросла с 37.5% до 56.3% при той же средней длине ответа (842 против 843 токенов).
  • Минимум обучаемых параметров: LoRA-адаптер (r=32, α=32) затрагивает всего 21.8M параметров — это 0.98% от исходной модели.
  • Поддержка режима рассуждений: модель работает с шаблоном чата при включённом параметре enable_thinking=True.
  • Открытая лицензия: адаптер распространяется под лицензией Apache-2.0, унаследованной от базовой модели.

Что можно сделать

  • Протестировать локальные рассуждения: запустить модель на слабом железе или в Colab для решения задач по арифметике, алгебре, комбинаторике и базовой информатике.
  • Встроить в исследовательский пайплайн: использовать через связку transformers и peft для сравнения качества компактных моделей в режиме thinking.

Пример

from transformers import AutoTokenizer, AutoModelForCausalLM
from peft import PeftModel

base = "Qwen/Qwen3.5-2B"
tok = AutoTokenizer.from_pretrained(base)
model = PeftModel.from_pretrained(
    AutoModelForCausalLM.from_pretrained(base, dtype="bfloat16", device_map="auto"), "AjelixAI/Onyx-2B"
)
ПодробнееОценка: 9/16 (56.3%) против 6/16 (37.5%) у Qwen3.5-2B на закрытом наборе из 16 коротких задач (greedy decoding, до 1024 токенов).
Обучение: Unsloth + TRL, точность bfloat16, максимальная длина последовательности 4096 токенов, датасет проприетарный.
Ограничения: выборка для теста очень мала, стандартные бенчмарки (MMLU, GSM8K, HumanEval) не запускались; модель наследует слабые стороны баз на 2.2B (ограниченные знания о мире и риск галлюцинаций).
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # AjelixAI/Onyx-2B
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 AjelixAI/Onyx-2B --local-dir ~/models/Onyx-2B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Onyx-2B
  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.

  • 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

Новые посты про версии Onyx-2B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

AjelixAI/Onyx-2B
Автор
AjelixAI
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Qwen3.5-0.8B-v15

Qwen3.5-0.8B-v15
Языковые модели

xevyo-01

xevyo-01