К содержимому
Другое

Dualist-Hyper-v2

гибридный ИИ-движок для игры в Отелло (Реверси)

2 мин чтенияобновлено

Dualist Hyper объединяет нейросеть Dual-Stream FiLM-SE-ResNet на 20 млн параметров, C++20 AVX2-битборд-движок и SIMD-таблицу. Модель решает задачу сильного алгоритмического и нейросетевого планирования ходов в настольной игре Отелло. В основе лежит гибридная архитектура с пространственными и скалярными потоками данных, а также поисковый движок на базе Egaroucid. Проект пригодится разработчикам игровых ИИ, исследователям нейросетевых эвристик и любителям настольных игр.

Ключевые особенности

  • Гибридная архитектура: связка 16-блочной ResNet и C++20 моста на библиотеке Egaroucid.
  • Точные предсказания: выдает логику политики ходов, разницу дисков и распределение побед/поражений.
  • Эффективный поиск: использует NegaScout, Multi-ProbCut и эндгейм-солвер для пустых клеток.
  • Высокая сила игры: достигает 55% побед против Egaroucid Level 11 и 100% против Level 1 без дебютных книг.

Что можно сделать

  • Интеграция в бота: использовать движок для создания сильного ИИ-оппонента в играх и ботах для Отелло.
  • Анализ партий: запускать поиск и оценку позиций на глубоких уровнях (до 13 глубина поиска).
  • Запуск через Python: загружать веса модели из model.safetensors и управлять C++ через связку в bridge_binding.py.

Пример

from safetensors.torch import load_file
from modeling_dualist import DualistNetHyper
import json

cfg = json.load(open('config.json', encoding='utf-8'))['neural_architecture']
model = DualistNetHyper(
    in_planes=cfg['in_planes'],
    scalar_dim=cfg['scalar_dim'],
    channels=cfg['channels'],
    num_blocks=cfg['num_blocks'],
).eval()
model.load_state_dict(load_file('model.safetensors', device='cpu'), strict=True)
ПодробнееБенчмарки: 55.00% побед против Egaroucid Lv11 (~2095 Elo); 18/20 оптимальных решений в FFO Endgame Suite.
Требования: CPU с поддержкой AVX2/BMI2, видеокарта с поддержкой CUDA для GPU-инференса.
Ограничения: лицензия GPL-3.0 из-за использования компонентов Egaroucid.
Детали обучения: обучен на 88 901 875 игровых состояниях с помощью Sparse AdaGrad.
Обсудить Telegram 0 19

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.1 GB · готовые файлы0.6 GB
  • BF16веса 0.0 GB0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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

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.

    # brandonlanexyz/Dualist-Hyper-v2
    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 brandonlanexyz/Dualist-Hyper-v2 --local-dir ~/models/Dualist-Hyper-v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Dualist-Hyper-v2
  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 Dualist-Hyper-v2 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

brandonlanexyz/Dualist-Hyper-v2
Автор
brandonlanexyz
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Perth ONNX

Perth ONNX
Другое

smollm2-sft

smollm2-sft