К содержимому
Языковые модели

Tars 0.5

локальный маршрутизатор голосовых команд на 395M параметров

2 мин чтенияобновлено

Tars 0.5 — компактная модель принятия решений (decision model), которая разбирает голосовые команды: делит сложный запрос на отдельные шаги, определяет нужный раздел ассистента и выбирает конкретный навык из заданного списка. Модель не генерирует текст и не ведёт диалог, а оценивает вероятности вариантов из предоставленного каталога. Она построена на базе Von 1.2 (архитектура энкодера ModernBERT) и прошла полный файнтюнинг на синтетических данных. В отличие от базовой модели, которая почти не справляется со сложными цепочками запросов, Tars 0.5 уверенно раскладывает многошаговые команды на действия и работает локально на ноутбуке за сотни миллисекунд. Пригодится разработчикам голосовых помощников и локальных агентов как быстрый стартовый чекпоинт для дообучения под собственный набор инструментов.

Ключевые особенности

  • Разбор многошаговых команд: разбивает одну фразу с несколькими просьбами (от 2 до 5 шагов) на последовательные действия и отсеивает болтовню без команды (none).
  • Компактность и скорость: 395M параметров (около 2,9 ГБ на диске вместе с токенизатором и калибровкой), медианная задержка построения полного плана — 280 мс на Apple M5 Pro.
  • Устойчивость к речевому шуму: обучена на 76 542 синтетических строках в 13 стилях речи, включая ошибки распознавания речи (STT) без пунктуации.
  • Открытая лицензия и база: распространяется под Apache-2.0, код, размеченный датасет и бенчмарк опубликованы в репозитории автора.

Что можно сделать

  • Быстрый локальный роутер для ассистента: использовать как первый фильтр на ноутбуке — выполнять действие при высокой уверенности модели и передавать сложные случаи более крупной LLM.
  • Дообучение под свой каталог навыков: взять весы как стартовую точку (в том числе через функцию «Start from Tars 0.5» в приложении Tars для Mac) и адаптировать под собственные приложения и функции.
  • Обработка цепочек голосовых запросов: автоматически маршрутизировать составные команды вроде «открой плеер, включи джаз и выключи звук» по разным модулям системы.

Пример

from tars import Catalog, Planner
planner = Planner(Catalog.load("catalogs/example.json"), "path/to/this/folder")
planner.plan("open tunebox and play some jazz then mute")
ПодробнееБенчмарк (477 многошаговых команд): 69,2% точного сквозного выполнения (End-to-end) против 0,0% у базовой Von 1.2; точность выбора навыков на готовых шагах — 100%, медианная задержка — 280 мс (против 791 мс у базы).
Железо и размер: 395M параметров, ~2,9 ГБ на диске; обучение заняло 151 минуту на Apple M5 Pro.
Ограничения: только английский язык и короткие команды; «из коробки» знает только демонстрационный каталог (31 навык), требует файнтюнинга под свои задачи, склонна выделять слова-паразиты в лишние шаги none, а выдаваемые вероятности плохо откалиброваны.
Обсудить Telegram 0 21

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.5 GB · готовые файлы2.2 GB
  • BF16веса 0.7 GB1.4 GB
  • FP8 / INT8рекомендуемвеса 0.4 GB1.0 GB
  • 4-bitвеса 0.2 GB0.8 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 · F32 — 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

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.

    # aneuwirth/tars — 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 aneuwirth/tars --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к tars
  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

Дообучение модели

wfzyx/von
  1. ModernBERT-largeоснова семьи
  2. von
  3. tars

Новые посты про версии ModernBERT-large — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 7Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

aneuwirth/tars
Автор
aneuwirth
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

ToKpS-23.9K

ToKpS-23.9K