К содержимому
Другое

Sloth-27B-v1

модель на 26B для маршрутизации и выбора решений

2 мин чтенияобновлено

Sloth-27B-v1 от автора cjqhhh — это специализированная модель для принятия структурированных решений по текстовому или JSON-контексту. Вместо генерации свободного текста она выбирает один из заданных вариантов ответа и возвращает распределение вероятностей по всем кандидатам. Модель построена на базе vllm-sr/d3, имеет около 26,09 млрд параметров и оснащена специальной головой классификации (decision head) в точности FP32. Она пригодится разработчикам для задач роутинга пользовательских запросов, оценки релевантности и автоматизации бизнес-правил без риска галлюцинаций в формате ответа.

Ключевые особенности

  • Без свободной генерации: модель не пишет лишний текст, а строго выдаёт типизированное решение (выбор из списка до 255 вариантов или бинарный ответ) и вероятности.
  • Пакетная обработка вопросов: к одному общему состоянию (контексту) можно сразу задать несколько вопросов в одном батче.
  • Гибкий формат входа: принимает описание ситуации в виде обычного текста или JSON-объекта вместе с инструкциями и критериями для каждого варианта.
  • Фокус только на тексте: унаследованные от базовой модели веса для работы с изображениями в этом релизе не тестировались.

Что можно сделать

  • Маршрутизация обращений в саппорте: автоматически распределять входящие тикеты и сообщения пользователей между отделами (биллинг, техподдержка, продажи) по заданным критериям.
  • Фильтрация и оценка релевантности: проверять соответствие документов или ответов заданным правилам через бинарные проверки (noul) с получением вероятности истинности.
  • Оркестрация в AI-агентах: использовать модель как быстрый и строгий роутер для выбора следующего шага в многоступенчатых сценариях обработки данных.

Пример

from transformers import AutoModel

model = AutoModel.from_pretrained("./Sloth-27B-v1", trust_remote_code=True, device="cuda:0")
res = model.system_one(
    state={"message": "Please send me the invoice for my order."},
    questions={"route": {"type": "choice", "instructions": "Choose team", "criteria": {"billing": "Invoices", "sales": "Enquiries"}}}
)
print(res["answers"]["route"]["choice"])
ПодробнееПараметры: ~26,09B (11 шардов BF16 safetensors) + readout-голова в FP32 на 255 кодов ответов.
Требования: веса занимают около 52,2 ГБ, требуется Linux с GPU и CUDA.
Ограничения: калибровка вероятностей независимо не оценивалась; инференс на GPU для релиза повторно не тестировался.
Обсудить Telegram 0 30

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 49 GB · готовые файлы54 GB
  • FP8 / INT8рекомендуемвеса 24 GB27 GB
  • 4-bitвеса 14 GB16 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.

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.

    # cjqhhh/Sloth-27B-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 cjqhhh/Sloth-27B-v1 --local-dir ~/models/Sloth-27B-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Sloth-27B-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

vllm-sr/d3
  1. Qwen3.8-27Bоснова семьи
  2. d3
  3. Sloth-27B-v1

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

cjqhhh/Sloth-27B-v1
Автор
cjqhhh
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

300

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

BFL

BFL