К содержимому
Другое

Charlie320/zils-mini-m15p

компактный файнтюн для Bittensor subnet 127

2 мин чтенияобновлено

Модель представляет собой дообученную версию Qwen/Qwen3.5-4B (языковая модель с открытыми весами на 4.54 миллиарда параметров) для экосистемы Zils d3-mini в рамках подсети Bittensor subnet 127. Она получена методом усреднения двух LoRA (небольшая надстройка над базовой моделью для быстрой адаптации) с рангом 64, обученных с разными сидами на специализированных датасетах. Модель сохраняет зрение от родительской конфигурации, обучена в формате BF16 (бинарный формат с плавающей запятой пониженной точности) и ориентирована на специализированные задачи принятия решений и работы с текстом.

Ключевые особенности

  • Базируется на современной модели Qwen/Qwen3.5-4B с добавлением сохраненной визуальной башни от родительской модели.
  • Обучена на датасете из 61 091 строки, включающем экзаменационные задачи и структурированные решения.
  • Использована методика усреднения весов двух LoRA-адаптеров с одинаковыми весами.
  • Применены мягкие целевые метки обучения для балансировки ответов модели и базовых вероятностей.

Что можно сделать

  • Применить модель в качестве компонента для задач принятия решений в экосистеме Bittensor subnet 127.
  • Запустить локальный инференс модели с размером 4.54 миллиарда параметров в формате BF16 для текстово-визуальных задач.
  • Исследовать поведение модели при решении экзаменационных форматов и задач классификации.
  • Протестировать возможности модели в сценариях вызова функций (function calling) благодаря датасету glaive-function-calling-v2.

Пример

Модель поставляется без встроенного кода запуска, но для её использования можно загрузить веса стандартным способом через библиотеку Transformers, используя базовую архитектуру Qwen3.5.

ПодробнееБазовая модель: Qwen/Qwen3.5-4B и joamCriff123/zils-mini-m1115
Объем параметров: 4.54 миллиарда
Формат весов: BF16
Метод обучения: усреднение двух LoRA (rank 64) с шагом обучения 5e-5
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.5 GB · готовые файлы9.8 GB
  • FP8 / INT8рекомендуемвеса 4.2 GB5.2 GB
  • 4-bitвеса 2.4 GB3.1 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 3080

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.

    # Charlie320/zils-mini-m15p
    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 Charlie320/zils-mini-m15p --local-dir ~/models/zils-mini-m15p
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к zils-mini-m15p
  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/Qwen3.5-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. zils-mini-m15p

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Charlie320/zils-mini-m15p
Автор
Charlie320
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

XLL Acts Qwen3.5-9B

XLL Acts Qwen3.5-9B