К содержимому
Языковые модели

BatLM-360M

компактная RAG-модель по вселенной Бэтмена для браузера

2 мин чтенияобновлено

Небольшая языковая модель от разработчика chintanjv, которая отвечает на вопросы о вселенной Бэтмена строго по переданным ей фрагментам текста (RAG — генерация с дополнением извлечением). Она построена на базе SmolLM2-360M-Instruct (360 млн параметров), дообучена с помощью LoRA (метода адаптации на небольшом объёме данных) и сконвертирована в формат ONNX для запуска прямо в браузере через WebGPU или CPU/WASM. В отличие от обычной базы, модель обучена отвечать кратко в 1–2 предложения или списком и корректно отказываться от ответа, если нужных фактов нет в контексте. Подойдёт веб-разработчикам как готовый пример компактного клиентского RAG-пайплайна.

Ключевые особенности

  • Работа в браузере: вес квантованной версии model_q4f16.onnx для WebGPU составляет всего 347 МБ, также есть сборка model_q4.onnx для CPU/WASM.
  • Строгая опора на контекст: модель принимает три найденных фрагмента текста (CASE FILES) и не выдумывает факты, если ответа в них нет.
  • Высокая точность на тестах: на проверочном наборе из 161 вопроса модель показала 95.7% правильных ответов, в том числе 100% отказов на вопросы не по теме.
  • Смешанное квантование: матрицы внимания, выходные слои MLP и LM head сжаты до 8 бит, а остальные матрицы MLP — до 4 бит.

Что можно сделать

  • Встроить локального Q&A-помощника по лору Бэтмена прямо на веб-страницу без использования серверного API через transformers.js или onnxruntime-genai.
  • Использовать архитектуру пайплайна и формат промпта как референс для создания собственных сверхлёгких браузерных RAG-ботов на базе SmolLM2.

Пример

<|im_start|>system
You are BatLM, an expert on the Batman universe. Answer the question directly in one or two sentences, or a short numbered list, using only the CASE FILES. If the files do not contain the answer, say so.<|im_end|>
<|im_start|>user
CASE FILES:
[1] (Title: Section) passage…
[2] (Title: Section) passage…
[3] (Title: Section) passage…

QUESTION: Who is the Batman?<|im_end|>
<|im_start|>assistant
ПодробнееБенчмарк (161 вопрос, WebGPU): 95.7% общих верных ответов, 94.7% на фактах вне обучающей выборки и 100% верных отказов на нерелевантные вопросы.
Обучение: LoRA (r=16, все линейные слои, 2 эпохи) на ~2000 вопросах по 286 проверенным фактам и 333 статьям Википедии.
Ограничения: 360M параметров — не поддерживает многоходовой диалог, отвечает только на одну часть сложных составных вопросов и может ошибиться при необычной формулировке.
Лицензия: веса распространяются под CC BY-SA 4.0 (базовая модель SmolLM2 — Apache-2.0).
Обсудить Telegram 0 22

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # chintanjv/BatLM-v3-trial-qwen15
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 chintanjv/BatLM-v3-trial-qwen15 --local-dir ~/models/BatLM-v3-trial-qwen15
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к BatLM-v3-trial-qwen15
  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.

  • 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 BatLM-v3-trial-qwen15 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

chintanjv/BatLM-v3-trial-qwen15
Автор
chintanjv
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии