К содержимому
Языковые модели

Lynx-0.8B

компактная RAG-модель для ответов строго по тексту

2 мин чтенияобновлено

Небольшая языковая модель от catsaiagency для задач RAG (retrieval-augmented generation — генерация ответов с опорой на переданный документ). Вы подаёте ей фрагмент текста и вопрос на одном из 20 языков (включая русский), а на выходе получаете одно лаконичное предложение строго по фактам из источника — или фиксированную фразу отказа, если ответа в тексте нет. Модель построена на базе Qwen3.5-0.8B (0.8 млрд параметров) и заточена под работу на обычном CPU без видеокарты. Пригодится разработчикам локальных баз знаний, справочных ботов и систем поиска по документации, где критично не выдумывать факты.

Ключевые особенности

  • Строгий RAG-формат: отвечает только одним предложением по тексту и отказывается галлюцинировать, если информации недостаточно.
  • Поддержка 20 языков, включая русский, английский, немецкий, японский, китайский и другие.
  • Работа на обычном CPU: в квантованном виде (GGUF Q4_K_M) весит 0.67 ГБ и требует около 1.5 ГБ оперативной памяти.
  • Контекст до 8 192 токенов (текст, вопрос и ответ вместе).
  • В этом репозитории лежат неквантованные веса (safetensors, bfloat16) для самостоятельной конвертации и дообучения; готовый GGUF и скрипты запуска находятся в отдельном репозитории Lynx-0.8B-GGUF.

Что можно сделать

  • Подключить к корпоративной вики или базе инструкций: предварительно находить нужные абзацы классическим поиском и отдавать их модели для точного односложного ответа.
  • Встроить в локального Telegram-бота или десктоп-помощника по документам на слабом сервере или ноутбуке без GPU.
  • Квантовать веса из этого репозитория под своё железо или дообучить модель на специфической терминологии.

Пример

Сценарий работы: передаёте модели фрагмент правил библиотеки и задаёте прямой фактологический вопрос на том же языке, передавая код языка в параметр lang. Если ответ есть в тексте, Lynx вернёт одно предложение с фактом; если данных нет — вернёт стандартную фразу отказа REFUSAL[lang] и флаг r["refused"]. Важно использовать точный шаблон промпта из репозитория GGUF, иначе модель не будет соблюдать формат.

Подробнее Качество (Q4_K_M на llama.cpp): 93.8 / 94.2 на собственном RAG-тесте (20 языков), на текстах без ответа — 98.0% (короткий текст) и 93.6% (длинный), на бенчмарке XQuAD — 89.9 / 90.7.
Скорость на CPU (Core i7-11800H, 8 потоков): чтение 300–450 токенов/с, генерация 40–53 токена/с (~7 секунд на вопрос по тексту на 2 500 токенов).
Ограничения: не подходит для пересказов, списков, свободного диалога и сложной логики (плохо справляется с вопросами «да/нет» и исключениями); сервер работает в один поток (-np 1).
Лицензия: CatsAI Model License — бесплатно для тестирования, для коммерческого/рабочего использования нужна платная лицензия на каждую машину.
Обсудить Telegram 0 26

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.1 GB · готовые файлы3.0 GB
  • FP8 / INT8рекомендуемвеса 1.0 GB2.0 GB
  • 4-bitвеса 0.6 GB1.6 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 · 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.

    # catsaiagency/Lynx-0.8B — A30, 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 catsaiagency/Lynx-0.8B --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к Lynx-0.8B
  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

Дообучение модели

Qwen/Qwen3.5-0.8B
  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. Lynx-0.8B

Новые посты про версии Qwen3.5-0.8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

catsaiagency/Lynx-0.8B
Автор
catsaiagency
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

260

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Qwen3.8-27B-CTL

Qwen3.8-27B-CTL