К содержимому
Языковые модели

Maris Piper Bug Finder

компактный LoRA-адаптер для поиска багов при код-ревью

2 мин чтенияобновлено

Адаптер формата LoRA (небольшая надстройка над базовой моделью весом 435 МБ) для Qwen3.8-27B от разработчика cameronpyne-smith, созданный специально для проверки pull request'ов. Модель принимает на вход функцию после изменений вместе с unified diff (формат отображения разницы в коде), коротко рассуждает вслух и выносит строгий вердикт: Verdict: break или Verdict: no break. В отличие от базовой Qwen3.8-27B, которая часто уходит в длинные рассуждения на тысячи токенов без чёткого вывода, Maris Piper укладывается менее чем в 400 токенов и при обнаружении дефекта цитирует проблемный фрагмент. Пригодится разработчикам для автоматизации ревью в проектах на TypeScript и C#.

Ключевые особенности

  • Заметный рост точности: на проверочном наборе из 100 функций метрика AUC (качество ранжирования багов выше чистого кода) выросла с 0.631 до 0.814, а число найденных реальных багов — с 38 до 43 из 61.
  • Экономия токенов в 10+ раз: ответ занимает около 95 слов и стабильно укладывается до 400 токенов против 4 752 токенов у базовой модели.
  • Оценка риска по вероятности: вероятность токена в строке вердикта позволяет ранжировать функции по степени подозрительности, а не просто делить на «да/нет».
  • Запуск на одной видеокарте: вместе с базовой моделью в 4-битном квантовании (nf4) сборка требует около 20 ГБ VRAM.

Что можно сделать

  • Встроить в инструмент или бота для автоматического ревью pull request'ов в репозиториях на TypeScript и C#.
  • Настроить приоритизацию проверок в CI/CD: прогонять изменённые функции и сортировать их по вероятности вердикта break, чтобы ревьюер сначала смотрел самые рискованные участки.
  • Использовать в связке с базовой моделью Qwen/Qwen3.8-27B в 4-битной загрузке на локальной рабочей станции с GPU от 20 ГБ памяти.

Пример

import torch
from peft import PeftModel
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig

q = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_quant_type="nf4", bnb_4bit_compute_dtype=torch.bfloat16, bnb_4bit_use_double_quant=True)
tok = AutoTokenizer.from_pretrained("Qwen/Qwen3.8-27B")
base = AutoModelForCausalLM.from_pretrained("Qwen/Qwen3.8-27B", quantization_config=q, dtype=torch.bfloat16, device_map="cuda")
model = PeftModel.from_pretrained(base, "cameronpyne-smith/maris-piper-bug-finder-qwen3.8-27b-lora").eval()
ПодробнееМетрики на 100 функциях (61 с багом, 39 без): AUC 0.814 против 0.631 у базы, balanced accuracy 0.699 против 0.606, точное указание дефекта — 6 случаев против 2.
Железо и формат: ~20 ГБ VRAM, тестировалась только с 4-битной базой и отключённым режимом размышлений (enable_thinking=False).
Обучение: 1 177 примеров из 34 открытых репозиториев (58% TypeScript, 42% C#), LoRA rank 16, alpha 32.
Ограничения: поддерживаются только TypeScript и C#, промпты длиннее 16 000 символов не использовались, контекст ограничен одной функцией и diff одного файла.
Обсудить Telegram 1 17

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 52 GB · готовые файлы55 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB18 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.

Это LoRA: вместе с базовой моделью Qwen3.8-27B.

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 RTX A6000

    $0.43 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.

    # cameronpyne-smith/maris-piper-bug-finder-qwen3.8-27b-lora — RTX A6000, FP8 / INT8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # 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 Qwen/Qwen3.8-27B --max-model-len 8192 --quantization fp8 --enable-lora --max-lora-rank 64 --lora-modules maris-piper-bug-finder-qwen3.8-27b-lora=cameronpyne-smith/maris-piper-bug-finder-qwen3.8-27b-lora
    Добавить ещё LoRA к Qwen3.8-27B
  3. 3. Пользуйтесь

    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.

  • 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

Нужна базовая модель

Qwen/Qwen3.8-27B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

cameronpyne-smith/maris-piper-bug-finder-qwen3.8-27b-lora
Автор
cameronpyne-smith
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

171

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Робототехника

act_piper_pour_rice

act_piper_pour_rice