К содержимому
Языковые модели

SOO kimi-dev-72b-L56

исследовательский LoRA-адаптер для Kimi-Dev-72B

2 мин чтения

Это экспериментальный LoRA-адаптер (небольшая надстройка над базовой моделью), созданный в рамках исследования What Do Self-Other Overlap Adapters Actually Do? от Jansen Nye и Nancy Fulda из лаборатории BYU DRAGN Labs. Адаптер основан на крупной языковой модели moonshotai/Kimi-Dev-72B и обучен в рамках изучения механизма Self-Other Overlap — того, как модель соотносит представления о себе и о других в контексте честности и обмана. В отличие от обычных прикладных адаптеров, этот релиз предназначен для воспроизведения научных экспериментов и анализа поведения нейросетей, а не для повседневной генерации. Пригодится исследователям безопасности ИИ (AI safety) и интерпретируемости моделей, которые изучают внутренние активации LLM.

Ключевые особенности

  • Точечное обучение: адаптер затрагивает только слой 56 (zero-based attention-output projection) базовой модели с параметрами LoRA rank 4 и alpha 8.
  • Специфическая функция потерь: обучение проводилось по метрике MSE (среднеквадратичной ошибки) между активациями последнего токена для парных промптов «я / другой» (78 пар).
  • Полный слепок эксперимента: в репозитории сохранены точные веса, рецепты обучения и логи (train_log.json, adapter_config.json), а контрольные суммы зафиксированы в MANIFEST.json.
  • Свободная лицензия: сам адаптер распространяется под лицензией MIT (базовые веса и токенизатор Kimi-Dev-72B в архив не входят и загружаются отдельно).

Что можно сделать

  • Проверить поведение модели на тестах честности и обмана с помощью официальных скриптов оценки из репозитория проекта, передав путь к адаптеру через флаг --adapter.
  • Сравнить реакции модели при разном порядке вариантов в промпте и на контрольном тесте Perspectives, чтобы отследить позиционные эвристики и искажения ответов.
  • Использовать сохранённые конфигурации и логи обучения для воспроизведения эксперимента на базе moonshotai/Kimi-Dev-72B с помощью библиотеки peft.

Пример

Для запуска оценки из официального набора экспериментов self-other-overlap директория с весами адаптера передаётся в скрипт через аргумент --adapter. При тестировании Kimi-Dev-72B автор указывает на необходимость оценки после этапа рассуждений (post-reasoning scoring) с бюджетом в 1 024 токена.

ПодробнееБазовая модель: moonshotai/Kimi-Dev-72B (веса и токенизатор не включены)
Конфигурация LoRA: слой 56, seed 0, rank 4, alpha 8, обучение на 78 парных промптах
Ограничения: полный адаптер может менять общие способности модели, вызывать сбивчивые ответы или опираться на позиционные подсказки; низкий уровень обмана в одной задаче не гарантирует общую честность модели
Лицензия: MIT
Обсудить 0 16

Запустится ли?

Только с выгрузкой в ОЗУ

Даже 4-bit больше видеопамяти. Часть слоёв можно держать в оперативной памяти (llama.cpp, ComfyUI), но работать будет в разы медленнее.

  • BF16веса 135 GB · готовые файлы139 GB
  • FP8 / INT8рекомендуемвеса 68 GB71 GB
  • 4-bitвеса 38 GB41 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: В домашние видеокарты не поместится — выгоднее арендовать.

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Kimi-Dev-72B.

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 2× RTX A6000

    $0.85 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.

    # Arkonyx/soo-kimi-dev-72b-l56 — 2× RTX A6000, FP8 / INT8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # 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 moonshotai/Kimi-Dev-72B --max-model-len 8192 --quantization fp8 --tensor-parallel-size 2 --enable-lora --max-lora-rank 64 --lora-modules soo-kimi-dev-72b-l56=Arkonyx/soo-kimi-dev-72b-l56
    Добавить ещё LoRA к Kimi-Dev-72B
  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

moonshotai/Kimi-Dev-72B

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

  1. Qwen2.5-72Bоснова семьи
  2. Kimi-Dev-72B
  3. soo-kimi-dev-72b-l56

Новые посты про версии Qwen2.5-72B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 8Все на Hugging Face
Слияния 12Все на Hugging Face

О модели

Arkonyx/soo-kimi-dev-72b-l56
Автор
Arkonyx
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

160

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Pronunciada

Pronunciada