Экспериментальная языковая модель на базе архитектуры RetNet размером 0.5B параметров, обученная на текстах длиной до 16 384 токенов. Модель демонстрирует улучшенное моделирование длинных документов (long-document modelling), но имеет важные ограничения: поиск информации внутри большого контекста (needle retrieval) проваливается на уровне случайного угадывания. Она предназначена для исследователей, изучающих альтернативные архитектуры и работу с длинными последовательностями без стандартного Attention.
Ключевые особенности
504 миллиона параметров при архитектуре с 20 слоями и 22 головами
Обучение на 16k контексте с общим объемом данных около 0.85B токенов
Значительное улучшение метрик на длинном хвосте 16k документов по сравнению с базовой версией
Использование специализированного чанкового пути для эффективной работы с длинными последовательностями
Что можно сделать
Запустить модель в исследовательских скриптах для экспериментов с архитектурой RetNet
Протестировать работу с длинными текстами с помощью переменной окружения RETNET_FAST_CHUNKWISE=1
Использовать код для анализа метрик генерации и сравнения производительности чанкового пути
Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
repo = "Ayaka157/RetNet-0.5B-16k"
tok = AutoTokenizer.from_pretrained(repo, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(repo, trust_remote_code=True, torch_dtype="float32").eval()
ПодробнееБенчмарки: 16k within-doc long-tail улучшился до 2.5942 (против 3.2841 у базы), но needle@16k остался на уровне случайного шанса (0.0978). Требования к железу: весит 1.88 GiB (fp32), обучение потребовало 2×RTX PRO 6000 с пиковым потреблением 83.1 GiB. Ограничения: не подходит для RAG или поиска информации; для чата рекомендуется версия v21.3-chat.
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.
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.
# Ayaka157/RetNet-0.5B-16k — 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 Ayaka157/RetNet-0.5B-16k --max-model-len 8192 --quantization fp8
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.
Комментарии