К содержимому
Другое

Spidory

30 компактных рекуррентных nGPT-моделей с экспертами

2 мин чтенияобновлено

Набор из 30 исследовательских чекпоинтов из научной статьи «Choose Again Each Loop: Expert Re-selection and the One-Loop Tax in a Small Looped Transformer» (David Ternoposkiy, 2026). Архитектура основана на рецепте NVIDIA Dory (~26M параметров) и включает входной блок из 4 слоёв, центральный блок из 10 слоёв, который прогоняется k раз подряд (looped transformer — трансформер с повторным использованием одних и тех же слоёв), и выходной блок из 4 слоёв на базе nGPT со SwiGLU и RoPE. В разных вариантах добавлены 4 небольших эксперта в центральный блок (с перевыбором на каждом цикле или выбором один раз), индекс текущего прохода и промежуточные блоки. Это не универсальные чат-боты, а модели для воспроизведения экспериментов на арифметике, коротких вопросах-ответах и TinyStories — они пригодятся исследователям архитектур и рекуррентных трансформеров.

Ключевые особенности

  • 10 архитектурных вариантов на 3 сидах (итого 30 моделей) размером от 26.1M до 53.6M параметров.
  • Сравнение обычных (no-loop) и циклических моделей с повторным прогоном центрального блока от 1 до 4 раз (k = 1..4).
  • Варианты с MoE-экспертами на уровне токенов или последовательностей, с повторным выбором эксперта на каждом цикле и без него.
  • Полная воспроизводимость: для каждого варианта приложены веса fp32 (model.safetensors), конфиги, общий BPE-токенизатор на 4 096 токенов и метрики в results.json.

Что можно сделать

  • Воспроизвести эксперименты из статьи и проверить поведение логитов при разном числе циклов прогона (k от 1 до 4).
  • Проанализировать маршрутизацию экспертов: метод model.infer() возвращает не только логиты, но и статистику того, какие эксперты и сколько раз использовались для каждого токена.
  • Использовать код и веса под лицензией Apache-2.0 как компактный стенд для изучения рекуррентных трансформеров и nGPT.

Пример

from spidory.evaluate import generate_text
from spidory.hub import load

model, tok = load("token_signal_s0")
print(generate_text(model, tok, "Q: Calculate 12 + 7 * 3.\nA:", 8, k=3))
ПодробнееОбучение: 1.2B токенов на TinyStories, сгенерированной арифметике и коротких QA; контекст — 256 токенов, словарь — 4 096.
Точность на 500 арифметических задачах (k=3): лучший вариант с пословными экспертами и индексом прохода (token_signal, 26.6M) набрал 71.3% ± 10.0%, обойдя 30-слойную модель без циклов (53.6M, 70.6% ± 4.8%).
Ограничения: модели предназначены исключительно для научных экспериментов и не подходят для общих текстовых задач.
Лицензия: Apache-2.0 на веса и код.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.2 GB · готовые файлы0.7 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB0.6 GB
  • 4-bitвеса 0.1 GB0.6 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.

    # Davidow/spidory
    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 Davidow/spidory --local-dir ~/models/spidory
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к spidory
  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 spidory — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Davidow/spidory
Автор
Davidow
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