К содержимому
Другое

Qwen2.5-0.5B-FullDenseConcentrated-v1

компактный контроллер для долгих рассуждений

2 мин чтенияобновлено

Небольшая языковая модель на 0.49 млрд параметров от исследователя BRR1154 (Amrita Vishwa Vidyapeetham), созданная как внешний контроллер и критик для сложных инженерных и математических задач. Вместо того чтобы отвечать за один проход и выдавать поверхностные выводы, она управляет циклом рассуждений: уточняет недостающие ограничения на старте, отслеживает энтропию Шеннона (меру неопределённости при генерации токенов) в процессе и возвращает задачу на доработку, если не все условия учтены. Модель построена на базе Qwen2.5-0.5B-Instruct, но в отличие от стандартного подхода LoRA (когда меняется лишь малая доля весов), здесь через метод Dense SVD Spectral Weight Concentration обновлены 100% параметров. Подойдёт разработчикам агентных систем и исследователям, которые строят многошаговые пайплайны рассуждений.

Ключевые особенности

  • Трёхступенчатый контроль цикла: работает в узлах START (разворачивает цель в граф физических и структурных ограничений), MIDDLE (ловит скачки энтропии и вставляет уточняющие вопросы) и END (проверяет полноту решения по байесовской оценке).
  • 100% обновлённых весов: модифицированы все 494 032 768 параметров во всех 290 тензорах модели, включая MLP-слои, эмбеддинги, внимание и RMSNorm.
  • Сверхлёгкий размер: менее 0.5B параметров позволяют использовать модель как быстрый надзорный модуль рядом с более крупными генераторами или автономно.

Что можно сделать

  • Встроить в агентный пайплайн: поставить модель в начало генерации, чтобы она автоматически выявляла пропущенные технические, тепловые и электрические требования из короткого запроса пользователя.
  • Контролировать качество генерации: использовать как критик в рекурсивных циклах решения сложных инженерных задач, перехватывая моменты неуверенности модели до появления каскадных ошибок.
  • Запускать локально на слабом железе: использовать в автономном режиме для базового анализа ограничений и математических преобразований без обращения к крупным LLM.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

model_id = "BRR1154/Qwen2.5-0.5B-FullDenseConcentrated-v1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.float32, device_map="auto")

prompt = "<|im_start|>system\nYou are an autonomous Start Node. Expand the user goal into missing physical, thermal, and electrical constraints.<|im_end|>\n<|im_start|>user\nBuild up a laptop for me.<|im_end|>\n<|im_start|>assistant\n"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
print(tokenizer.decode(model.generate(**inputs, max_new_tokens=256, temperature=0.3)[0], skip_special_tokens=True))
ПодробнееАрхитектура: Qwen2.5-0.5B (24 слоя, 14 голов внимания, размерность 896), лицензия Apache-2.0, язык — английский.
В рекурсивном замкнутом цикле средний балл на выборке задач (GPQA-Diamond, MATH-500, Systems Engineering) вырос с 4.29% (базовый один проход) до 46.03%, а агрегированная энтропия снизилась на 28.51%.
В автономном режиме без крупных моделей общий результат составил 30.0% (включая 50.0% на MATH-500 и 40.0% на инженерной задаче против 4.3% у немодифицированной базы).
Обсудить Telegram 0 80

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.8 GB · готовые файлы2.5 GB
  • BF16веса 0.9 GB1.5 GB
  • FP8 / INT8рекомендуемвеса 0.5 GB1.0 GB
  • 4-bitвеса 0.3 GB0.8 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.

    # BRR1154/Qwen2.5-0.5B-FullDenseConcentrated-v1
    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 BRR1154/Qwen2.5-0.5B-FullDenseConcentrated-v1 --local-dir ~/models/Qwen2.5-0.5B-FullDenseConcentrated-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen2.5-0.5B-FullDenseConcentrated-v1
  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

Дообучение модели

Qwen/Qwen2.5-0.5B-Instruct
  1. Qwen2.5-0.5Bоснова семьи
  2. Qwen2.5-0.5B-Instruct
  3. Qwen2.5-0.5B-FullDenseConcentrated-v1

Новые посты про версии Qwen2.5-0.5B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

BRR1154/Qwen2.5-0.5B-FullDenseConcentrated-v1
Автор
BRR1154
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

800

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Lucia v1.1-nc

Lucia v1.1-nc