К содержимому
Другое

lfm3-xfer-final

сжатая версия LFM3-1.7B до 0.98B параметров

2 мин чтенияобновлено

Компактная языковая модель-ученик на ~976M параметров, созданная путём переноса и оптимизации весов из модели-учителя LiquidAI/LFM3-1.7B. Вместо классического обучения с нуля автор применил проекцию активаций через PCA (метод главных компонент), слияние чекпоинтов (model soup) и оптимизацию нулевого порядка (CMA-ES). На выходе получается лёгкая генеративная LLM с тригибридной архитектурой (свёртки, скользящее и полное внимание), которая максимально близко повторяет поведение старшей модели при вдвое меньшем размере. Пригодится исследователям методов сжатия моделей и разработчикам, которым нужна компактная архитектура LFM3 для локального запуска.

Ключевые особенности

  • Тригибридная архитектура LFM3: сохраняет 24-слойную схему учителя (conv / sliding-attention / full-attention) со скрытой размерностью 1344 против 2048 у оригинала.
  • Разделённые эмбеддинги: параметр tie_word_embeddings=false — входные эмбеддинги и выходная голова декодирования хранятся как отдельные матрицы (+172M параметров).
  • Эволюционный микс чекпоинтов: финальные веса soup4u_cmaes получены путём группового слияния промежуточных моделей и подбора коэффициентов через CMA-ES.
  • Открытый лог экспериментов: в репозитории лежат промежуточные чекпоинты, код пайплайна (xfer-forge/) и отчёты по Fisher merging, CKA-выравниванию и аудиту RoPE.

Что можно сделать

  • Запустить компактную языковую модель локально на GPU с поддержкой bfloat16 для экспериментов с генерацией текста и кода.
  • Изучить и воспроизвести пайплайн переноса весов (weight-space transfer) из репозитория на собственных чекпоинтах.
  • Протестировать качество дистилляции на собственных задачах и сравнить поведение с оригинальной LFM3-1.7B.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

m = AutoModelForCausalLM.from_pretrained(
    "Akahsizrr/lfm3-804m-xfer", trust_remote_code=True,
    torch_dtype="bfloat16").cuda().eval()
tok = AutoTokenizer.from_pretrained("Akahsizrr/lfm3-804m-xfer")
ПодробнееМетрики (Cross-Entropy, ниже — лучше): rep_fw — 3.7972 (у учителя 3.018), rep_dom — 2.3300, rep_code — 2.1502.
Policy-KL (расхождение с учителем на rep_fw/64): 1.3696, совпадение top-1 токенов — 48.91%.
Для запуска обязательно требуется trust_remote_code=True (используются кастомные частоты RoPE inv_freq_override).
В репозитории также сохранены альтернативные чекпоинты: soup4_cmaes, soup2_cmaes и franken_soup_cmaes.
Обсудить Telegram 0 31

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.8 GB · готовые файлы2.5 GB
  • FP8 / INT8рекомендуемвеса 0.9 GB1.5 GB
  • 4-bitвеса 0.5 GB1.1 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.

    # Akahsizrr/lfm3-xfer-final
    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 Akahsizrr/lfm3-xfer-final --local-dir ~/models/lfm3-xfer-final
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к lfm3-xfer-final
  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 lfm3-xfer-final — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Akahsizrr/lfm3-xfer-final
Автор
Akahsizrr
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

310

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии