К содержимому
Языковые модели

Brittain 2.5 XS

ультракомпактная языковая модель для программирования

2 мин чтенияобновлено

Brittain 2.5 XS — это разговорная модель на 412M параметров от Brittain AI, обученная с нуля на собственном токенизаторе и датасете. Она создана для запуска на обычном ноутбуке и помощи в повседневных задачах по программированию на Python, JavaScript, TypeScript, Java, C# и SQL. Модель основана на архитектуре Qwen3 с контекстом на 16 384 токена и отлично справляется с написанием коротких функций и объяснением базовых концепций. Она пригодится разработчикам, которым нужен локальный помощник для простых задач прямо на устройстве.

Ключевые особенности

  • 412M параметров с архитектурой Qwen3 и контекстом 16k токенов.
  • Обучена с нуля на корпусе из 19.5B токенов (в основном код и технические тексты).
  • Поддержка форматов GGUF для запуска через Ollama и llama.cpp.
  • Прошла этапы претрейна, аннинга, SFT и обучения с подкреплением (GRPO).

Что можно сделать

  • Писать небольшие функции и решать задачи по программированию локально через Python.
  • Запустить модель в терминале с помощью Ollama для быстрых ответов по коду.
  • Интегрировать модель в локальные сценарии разработки благодаря поддержке transformers.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "brittain-ai/Brittain-2.5-XS"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, dtype="auto")

messages = [{"role": "user", "content": "Write a Python function that checks if a number is prime."}]
ids = tok.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt")
out = model.generate(ids, max_new_tokens=1024)
print(tok.decode(out[0, ids.shape[1]:], skip_special_tokens=True))
ПодробнееБенчмарки: HumanEval (complete) — 26.2, MBPP (complete) — 33.5.
Доступны GGUF-версии: Q8_0 (440 MB) и BF16 (826 MB).
Ограничения: нет поддержки системных промптов, слабая кратковременная память, работает только на английском языке.
Лицензия: CC BY-NC 4.0 (только для исследований и личного использования).
Обсудить Telegram 0 20

Запустится ли?

Запустится в GGUF BF16

Влезает самая точная из готовых сжатых версий.

  • GGUF BF16веса 0.8 GB · готовые файлы1.5 GB
  • BF16веса 0.8 GB · готовые файлы1.5 GB
  • GGUF Q8_0рекомендуемвеса 0.4 GB · готовые файлы1.2 GB
  • FP8 / INT8веса 0.4 GB1.1 GB
  • 4-bitвеса 0.2 GB1.0 GB

Совет: берите 8-bit.GGUF Q8_0 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: GGUF Q8_0 — от RTX 2060 · GGUF BF16 — от RTX 2060

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

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 A30

    $0.26 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.

    # brittain-ai/Brittain-2.5-XS — A30, GGUF Q8_0
    # 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 -fsSL https://ollama.com/install.sh | sh
    ollama run hf.co/brittain-ai/Brittain-2.5-XS:Q8_0
    Добавить ещё LoRA к Brittain-2.5-XS
  3. 3. Пользуйтесь

    Чат откроется прямо в терминале. Выйти — /bye, запустить снова — та же команда ollama run.

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

Новые посты про версии Brittain-2.5-XS — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

brittain-ai/Brittain-2.5-XS
Автор
brittain-ai
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

200

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

JECT_320_aligned

JECT_320_aligned