Alpina Endas 2.2 Giant-Aom-1.4T

Экспериментальная Army of Models от AlpinaAI, опубликованная Convergent-ch. Это набор из двух общих баз Qwen2.5 (7B и 14B), девяти LoRA-адаптеров и 200 файлов специализированных копий: 202 контекста, семь специалистов и два Input-Divisor. Номинальные 1,4T — арифметическая сумма 200 × 7B + 2 × 14B; копии делят веса, это не 1,4T уникальных обученных параметров и не MoE.

🦾 Ключевые особенности

• 🦾 202 контекста: coding — 100, logic/math/physics/helper — по 20, knowledge/research — по 10, planning/synthesis — по 1.
• ✨ Девять обученных LoRA: семь специалистов и два Input-Divisor; копии внутри семейства используют одинаковые веса.
• 🤝 Обычный обмен — 219 вызовов по 202 идентичностям; общие базы загружаются последовательно, не все копии параллельно.
• ✅ Полный пакет — около 27 GB: базы, адаптеры, 200 реплик, токенизаторы, runtime, установщики, проверка файлов и тесты.
• 🧘 Реальная inference по умолчанию отключена; коммуникация проверена только на симуляции без запуска ML-моделей.
• 😎 Нужны NVIDIA CUDA 12.6 и Windows/Linux; Apple/телефоны не целевые. Это кастомный Python-runtime, не GGUF и не один AutoModelForCausalLM-чекпоинт.

🦾 Пример

pip install huggingface-hub==2.3.0
hf download Convergent-ch/Alpina-Endas-2.2-Giant-Aom-1.4T --revision v1.2 --local-dir Endas-Giant
cd Endas-Giant
python validate_package.py
# затем, уже с явным запуском inference:
python run.py chat 'Build a calculator and verify its formula.' --run-dir runs/my-request --allow-inference

Подробнее

Бенчмарков качества нет: в карточке только training/dev/test loss в reports/training/ и предупреждение, что часть held-out примеров пересекается с dev-сплитом.
Полная inference на железе не проверялась; минимальные требования и качество ответов не подтверждены. Генерённый код не исполняется, live-retrieval нет.
Ollama без доработок этот Python-runtime не запускает; заявленной интеграции с GGUF нет.