К содержимому
Языковые модели

LFM3-1.7B AI Text Detector

LoRA-детектор AI-текста с оценкой 0–100

2 мин чтения

Адаптер от ameenazeemi на базе LiquidAI/LFM3-1.7B: LoRA-дообучение плюс линейный 2-классовый head на последнем токене. Модель оценивает, насколько английский текст похож на сгенерированный AI, по шкале от 0 (человек) до 100 (AI). Обучена на rasbt/human-vs-ai-50k.

Ключевые особенности

  • Оценка от 0 до 100 для английского текста: 0 — человек, 100 — AI.
  • LoRA r=16, alpha=32 на attention, short-convolution и MLP проекциях; head — Linear(2048, 2).
  • Accuracy на тесте — 99.98%, на валидации — 99.94%; для текстов 0–100 слов — 99.9%, длиннее — 100%.
  • Обучение: все 40 559 сбалансированных текстов, 2 эпохи, до 1 024 токенов, effective batch size 16, AdamW.
  • Одна 16 ГБ GPU, пик 5.6 ГБ, около 11 часов; калибровочная температура 1.007.

Пример

@torch.no_grad()
def ai_score(text):
    enc = tokenizer(text, truncation=True, max_length=cfg['max_length'], return_tensors='pt')
    hidden = backbone(input_ids=enc['input_ids'], attention_mask=enc['attention_mask']).last_hidden_state
    logits = head(hidden[:, -1, :].float()) / cfg['temperature']
    return 100 * logits.softmax(dim=-1)[0, 1].item()
print(ai_score('Paste a paragraph here.'))
ПодробнееAccuracy: validation 99.94% (5 085 текстов), test 99.98% (5 066).
Обучение заняло ~11 часов на одной 16 ГБ GPU, пик VRAM 5.6 ГБ.
Метрики in-distribution: AI-тексты из нескольких LLM, человеческие — до ChatGPT. На других генераторах, после редактирования/перефраза, не-English и текстах короче ~100 слов точность будет ниже.
Оценка не доказывает авторство; не используйте её в одиночку для решений о людях.
Обсудить Telegram 1 17

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 3.3 GB · готовые файлы4.3 GB
  • FP8 / INT8рекомендуемвеса 1.7 GB2.6 GB
  • 4-bitвеса 1.0 GB1.9 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.

Это LoRA: вместе с базовой моделью LFM3-1.7B.

Для текстовых моделей — с контекстом 8192 токенов.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # ameenazeemi/LFM3-1.7B-AI-Text-Detector — A30, FP8 / INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve LiquidAI/LFM3-1.7B --max-model-len 8192 --quantization fp8 --enable-lora --max-lora-rank 64 --lora-modules LFM3-1.7B-AI-Text-Detector=ameenazeemi/LFM3-1.7B-AI-Text-Detector
    Добавить ещё LoRA к LFM3-1.7B
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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

Нужна базовая модель

LiquidAI/LFM3-1.7B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

  1. LFM3-1.7B-Baseоснова семьи
  2. LFM3-1.7B
  3. LFM3-1.7B-AI-Text-Detector

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

ameenazeemi/LFM3-1.7B-AI-Text-Detector
Автор
ameenazeemi
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

171

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии