К содержимому
Другое

ZANA Cognitive Engine

сверхлёгкие модели для локального ассистента

2 мин чтенияобновлено

Набор компактных моделей, которые входят в состав десктопного приложения ZANA Cognitive Engine для работы прямо на устройстве. В релиз включены классификатор намерений пользователя (449,5 тыс. параметров, вес 1,8 МБ) и рекуррентное когнитивное ядро на базе гибридной архитектуры SSM (модель пространства состояний) и attention (132,4 тыс. параметров, вес 0,5 МБ). Модели не предназначены для генерации длинных ответов или свободного общения — за это в приложении отвечает отдельная локальная LLM (например, через Ollama). Разработка пригодится создателям лёгких офлайн-ассистентов, которым нужна быстрая маршрутизация команд без нагрузки на железо.

Ключевые особенности

  • Сверхмалый размер: весят 1,8 МБ и 0,5 МБ, запускаются локально на устройстве без серьёзных требований к ресурсам.
  • Поддержка трёх языков: обучены на текстах на английском, арабском и центральнокурдском (сорани) языках.
  • Точная маршрутизация команд: классификатор дополнен файлом калибровочных порогов calib_b_frozen.json для каждого типа намерений.
  • Гибридная архитектура ядра: побайтовая языковая модель сочетает механизмы SSM и attention при размерности d_model 64.

Что можно сделать

  • Встроить в десктопный или локальный голосовой помощник для мгновенного распознавания базовых команд: создания задач, поиска по документам, вычислений или работы с файлами.
  • Использовать в качестве быстрого фронтенд-маршрутизатора, который определяет тип запроса перед передачей сложной задачи в крупную локальную модель через Ollama.
  • Изучить работу компактной побайтовой модели SSM + attention в исследовательских целях или при разработке собственных сверхлёгких NLP-компонентов.

Пример

from safetensors.torch import load_file
weights = load_file("intent_v3_C_s0.safetensors")
ПодробнееТочность классификатора интентов на валидационной выборке проекта (best_dev3_acc): 0.804.
Показатель bits per token языкового ядра после 3000 шагов: 2.23 (английский), 1.62 (арабский), 1.61 (сорани).
Обучающие данные: датасеты Common Voice (CC0) и MASSIVE (CC BY 4.0), а также 600 шаблонов и 797 примеров для интентов.
Ограничения: классификатор понимает только фиксированный набор действий ассистента; ядро на 132 тыс. параметров не подходит для генерации текста.
Архитектуры и код загрузки находятся в репозитории проекта в директории src/zana/, лицензия — Apache 2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.0 GB · готовые файлы0.5 GB
  • FP8 / INT8рекомендуемвеса 0.0 GB0.5 GB
  • 4-bitвеса 0.0 GB0.5 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.

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.

    # danamohammad/ZANA-Cognitive-Engine
    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 danamohammad/ZANA-Cognitive-Engine --local-dir ~/models/ZANA-Cognitive-Engine
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ZANA-Cognitive-Engine
  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

Новые посты про версии ZANA-Cognitive-Engine — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

danamohammad/ZANA-Cognitive-Engine
Автор
danamohammad
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