К содержимому
Языковые модели

Qwen3.5-0.8B-Math-GraphCalc

калькулятор внутри весов

1 мин чтения

Экспериментальная 35-слойная модель Qwen3_5ForCausalLM на базе Qwen3.5-0.8B-Base. Построена строго в пространстве весов: без градиентов и оптимизатора, с 11 скомпилированными слоями Gated-DeltaNet перед 24 языковыми слоями Qwen. Нужна для точных вычислений, алгебраических уравнений, определённых интегралов и построения графиков функций с пошаговым объяснением.

Ключевые особенности

  • При сложном запросе выдаёт <tool_call> с первого токена и считает внутри forward pass.
  • Точные 256-битные bignum, сокращённые дроби, CORDIC-тригонометрия/логарифмы, корни и точки экстремума.
  • Слои layers[0..10] исполняют RISC-V инструкции graphcalc.elf, используя рекуррентное состояние Gated-DeltaNet как RAM.
  • Затем layers[11..34] объясняют решение по шагам.
  • Без внешнего Python eval(), SymPy или серверов-калькуляторов.

Пример

from runner import CarbonGraphCalcRunner

runner = CarbonGraphCalcRunner('Qwen3.5-0.8B-Math-GraphCalc', fast=True, executor=True)
res = runner.generate(runner.prompt_ids('Calculate 37429 * 8613 + 194820 and explain your steps.'), max_new_text=384, check_lock=True)
print(res['final_explanation'])
ПодробнееНа 60 отложенных задачах: Math Acc 71.67%, Graph Feature Acc 86.27%, Plot Rate 100%, 0 расхождений lockstep на 3 402 460 шагов RV32.
Без <tools>: Overall Math Acc 82.78%, Plain Q&A 80.00% (6.0× к базе).
Нужен runner.py с загрузкой graphcalc.elf; 1 инструкция = 1 токен, поэтому bignum-арифметика занимает ~20–35 с, анализ функций ~60–195 с на RTX 5070.
Ограничение: 0.8B иногда переносит в <tool_call> только первый шаг многошаговой текстовой задачи.
Примеры
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.

    # DJLougen/Qwen3.5-0.8B-Math-GraphCalc
    # ===== 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 DJLougen/Qwen3.5-0.8B-Math-GraphCalc --local-dir ~/models/Qwen3.5-0.8B-Math-GraphCalc
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-0.8B-Math-GraphCalc
  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 Qwen3.5-0.8B-Math-GraphCalc — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

DJLougen/Qwen3.5-0.8B-Math-GraphCalc
Автор
DJLougen
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