RetNet-0.5B-v21.3-chat — это компактная чат-модель на архитектуре RetNet с 504 млн параметров. Это пост-тренированный кандидат для демо, а не универсальная модель: карточка прямо говорит, что знания, арифметика и код остаются на уровне 0.5B. После дообучения модель заметно лучше держит короткий формат: доля ответов с превышением лимита упала с 33,3% до 0%, незакрытых think-блоков — с 5,6% до 0%, медианный ответ сократился с 107 до 63 токенов. Пригодится тем, кто хочет попробовать RetNet в чате или сравнить поведение маленькой модели до и после SFT.
Контекст обучения — 2048 токенов, словарь 20k ByteLevel BPE; веса хранятся в fp32, для инференса рекомендуется bf16.
После SFT: cap-hit 33,3% → 0%, unclosed think 5,6% → 0%, медианный ответ 107 → 63 токена.
Held-out criterion 2,5914 против 2,5898 у seed v21.1-chat; диагностика instruction-following — 4/10.
Дообучение: 8 000 шагов SFT на 117 712 строках, затем 2 000 шагов replay repair с 20% general pretrain replay.
Что можно сделать
Использовать как демо-чат с короткими ответами: модель стабильнее останавливается, но знания остаются на уровне 0.5B.
Подключать через transformers с trust_remote_code для экспериментов с RetNet-архитектурой.
Сравнивать seed v21.1-chat и v21.3-chat на своих промптах — карточка даёт метрики для ориентира.
Проверять instruction-following и остановку на коротком system prompt; без него ответы длиннее.
Пример
from transformers import AutoModelForCausalLM, AutoTokenizer
tok = AutoTokenizer.from_pretrained("Ayaka157/RetNet-0.5B-v21.3-chat", trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
"Ayaka157/RetNet-0.5B-v21.3-chat", trust_remote_code=True, torch_dtype="bfloat16")
ПодробнееHeld-out criterion: 2,5914 против 2,5898 у seed v21.1-chat (+0,0016). Диагностика instruction-following: 4/10 — это диагностика, а не заявка на способности. Ограничения: знания, арифметика, код и факты — на уровне 0.5B; это не long-context/retrieval-модель. В карточке: 2×RTX PRO 6000, 18 промптов; pass не гарантирует human-likeness или safety.
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-v21.3-chat — 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-v21.3-chat --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