К содержимому
Другое

Maia-3 5M LiteRT

человеческий шахматный движок для смартфонов и веба

2 мин чтения

Модель предсказывает, какой шахматный ход с наибольшей вероятностью сделает реальный игрок с заданным рейтингом Эло. Это готовая конвертация оригинального чекпоинта Maia-3 5M от лаборатории CSSLab Университета Торонто в формат LiteRT (ранее TensorFlow Lite — лёгкий формат для запуска нейросетей на мобильных устройствах и в браузере). Веса модели не менялись и не дообучались: файл весит около 20,8 МБ и полностью повторяет логику исходной PyTorch-версии. Решение создано для кроссплатформенного шахматного приложения и подойдёт разработчикам игр и тренажёров, которым нужен реалистичный бот без облачного сервера.

Ключевые особенности

  • Полная идентичность оригиналу: расхождение логитов легальных ходов с исходной PyTorch-моделью не превышает 9.5e-06.
  • Учёт силы соперников: модель принимает на вход текущий рейтинг Эло самого бота и его оппонента, подстраивая стиль игры под заданный уровень.
  • Компактный размер: итоговый файл maia3-5m.tflite занимает 20 813 796 байт (~20 МБ), что позволяет встраивать его напрямую в приложения.
  • Детерминированная сборка: конвертация выполнена через litert-torch 0.10.0 и воспроизводится побайтово при повторном запуске скрипта экспорта.

Что можно сделать

  • Встроить файл в мобильные шахматы на Android и iOS или в веб-приложение для офлайн-игры против реалистичного спарринг-партнёра.
  • Реализовать адаптивного тренера, который подстраивается под рейтинг пользователя (от новичка до опытного игрока) вместо игры в полную силу, как классические движки.

Пример

Модель вызывается через сигнатуру serving_default с тремя входными тензорами: состояние доски args_0 формы [1, 64, 97] (float32 — 8 последних позиций с one-hot кодированием фигур), свой рейтинг args_1 (int32 [1]) и рейтинг соперника args_2 (int32 [1]). На выходе output_0 выдаёт вектор логитов [1, 4352]: индексы 0–4095 кодируют обычные ходы (from * 64 + to), а 4096–4351 — превращения пешек в ферзя, ладью, слона или коня.

Подробнее Базовая модель: UofTCSSLab/Maia3-5M (5 млн параметров, исходный файл maia3-5m.pt)
Инструменты конвертации: litert-torch 0.10.0, PyTorch 2.14.1, jax/jaxlib 0.11.2
Изменения графа: слой torch.nn.RMSNorm развёрнут в стандартные операции для совместимости с LiteRT
Лицензия: GNU Affero General Public License v3.0 (AGPL-3.0)
Обсудить Telegram 0 11

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    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.

    # ber4444/maia3-5m-litert
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download ber4444/maia3-5m-litert --local-dir ~/models/maia3-5m-litert
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к maia3-5m-litert
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

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.

Семья модели

Новые посты про версии maia3-5m-litert — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

ber4444/maia3-5m-litert
Автор
ber4444
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

110

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

LFM3-Omni-2B LiteRT

LFM3-Omni-2B LiteRT