экспериментальная модель на 3.32M параметров с константным состоянием
schedule 2 мин чтенияобновлено
Компактная языковая модель o1 от исследователя David Tom Foss построена на базе собственной архитектуры GSSM (Geometric State Space Models — геометрические модели пространства состояний). Вместо классического растущего KV-кэша (памяти контекста у трансформеров) она сжимает поток токенов в фиксированный буфер размером всего 32 512 байт со сложностью O(1) на токен. Модель поддерживает непрерывное онлайн-дообучение прямо во время работы, встроенную алгебру на 16 операций и криптографически связанный граф причинно-следственных связей Weltbuch. Из-за скромного размера в 3.32 млн параметров она не решает сложные задачи программирования самостоятельно, но годится как сверхбыстрый модуль памяти и маршрутизации для крупных LLM.
Ключевые особенности
Константное состояние 32 512 байт независимо от длины контекста без раздувания KV-кэша.
Онлайн-пластичность GSSM: веса адаптируются в реальном времени без перезапуска и с нулевым приростом памяти.
Двуязычный диалог из коробки (английский и немецкий) без внешних парсеров инструментов.
Встроенный граф знаний Weltbuch (48 верифицированных триплетов) с проверкой целостности по хешам.
Высокая скорость инференса — до 3 355.7 tok/s на нейропроцессоре Apple M4 ANE при потреблении 2.68 МБ SRAM.
Что можно сделать
Подключить как внешний модуль памяти (O1Sidecar) к Llama, DeepSeek, vLLM или llama.cpp через OpenAI-совместимый API.
Использовать для быстрой маршрутизации детерминированных алгебраических запросов менее чем за 2 мс.
Запускать локально в терминальном чате на ноутбуках с Apple Silicon для экспериментов с онлайн-обучением и SSM-архитектурами.
Пример
from o1_native import O1Sidecar
sidecar = O1Sidecar("o1.pt")
result = sidecar.route_or_delegate(
[{"role": "user", "content": "What follows from Kerr_Resonator?"}],
host_chat_fn=lambda msgs: your_llama_or_deepseek_client(msgs),
)
ПодробнееПараметры и состояние: 3 318 465 параметров, фиксированный носитель 32 512 байт. Бенчмарки: WikiText-2 Test BPB 1.9620 (PPL 44.26 в непрерывном потоке), MMLU 25.20%, HellaSwag 25.77%, GSM8K 1.52%. Память и код: 100% NIAH Passkey recall (10-way MC) до 2 048 токенов и 80% на 8 192 токенах; синтаксически валидный код в 48.8% HumanEval и 48.2% MBPP, но 0% pass@1. Железо и ограничения: работает на M4 MPS (до 52 694 tok/s на ARC-Easy) и M4 ANE (2.68 МБ SRAM); семантическое решение сложных задач ограничено ёмкостью 3.32M параметров.
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.
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.
# davidfoss/o1 — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve davidfoss/o1 --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
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.
Комментарии