К содержимому
Языковые модели

BRU-o1-8B-Base

лёгкая базовая LLM с контекстом 128K

2 мин чтения

BRU-o1-8B-Base — это предварительно обученная текстовая базовая модель на 8,19 млрд параметров от разработчика deveshpunjabi, созданная как основа для локальных рассуждающих агентов (reasoning agents) и генерации кода. Модель построена на кастомной архитектуре BruForCausalLM (model_type: "bru") и поддерживает 22 языка, включая русский, английский и 7 языков Индии. От обычных базовых моделей этого размера она отличается модификацией весов по 252 тензорным парам с подавлением зацикливания на 21 слое и расширенным до 128K токенов окном контекста. Подойдёт разработчикам, которым нужна компактная база для дообучения под свои задачи на потребительском железе.

Ключевые особенности

  • Низкие требования к памяти: в 4-битном квантовании NF4 модель занимает 5,997 GiB VRAM (и 4,90 ГБ в формате Q4_K_M GGUF), что позволяет запускать её на ноутбуках с видеокартой уровня NVIDIA RTX 3050 или в облаке на одной T4.
  • Длинный контекст: нативное окно в 32K токенов расширено до 128K с помощью метода YaRN и обучаемых смещений attention-sink.
  • Поддержка рассуждений: словарь на 151 936 токенов уже включает встроенные управляющие токены и для пошагового мышления.
  • Мультиязычность: заявлена поддержка 22 языков, среди которых русский, английский, китайский, немецкий, французский, японский и индийские языки.

Что можно сделать

  • Использовать как чистую основу для дальнейшего дообучения: continued pre-training (CPT), SFT под узкую предметную область или RL-выравнивания (SimPO, GRPO).
  • Настроить на её базе локального ИИ-агента для рассуждений и написания проверяемого кода с опорой на встроенные токены .
  • Применить для дистилляции знаний (Decoupled Tempered Top-K Distillation) в компактные модели для запуска на пользовательских ПК.

Пример

from transformers import pipeline

generator = pipeline(
    "text-generation",
    model="deveshpunjabi/BRU-o1-8B-Base",
    trust_remote_code=True,
    device_map="auto",
)
print(generator("Theorem (Frobenius Gauge Invariance in Low-Rank Adaptation):", max_new_tokens=256)[0]["generated_text"])
ПодробнееПараметры: 8,191B (36 слоёв, GQA 32Q/8KV, SwiGLU 12288, QK-Norm)
Память: 5,997 GiB VRAM в 4-bit NF4 или 4,90 ГБ в Q4_K_M GGUF
Контекст: 32K нативно, до 128K токенов через YaRN
Ограничения: это базовый чекпоинт (Base) без инструктивного файнтюна, требует дообучения под диалоговые задачи; лицензия Apache 2.0
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # deveshpunjabi/BRU-o1-8B-Base
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 deveshpunjabi/BRU-o1-8B-Base --local-dir ~/models/BRU-o1-8B-Base
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к BRU-o1-8B-Base
  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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии BRU-o1-8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

deveshpunjabi/BRU-o1-8B-Base
Автор
deveshpunjabi
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии