К содержимому
Компьютерное зрение

Cevra-ToolChoice-4B

выбор инструмента по вероятностям

2 мин чтенияобновлено

Модель решает узкую, но важную задачу в агентских системах: по тексту запроса и списку описаний инструментов выбрать, какой из них нужен, или сказать, что инструмент не нужен. На выходе — распределение вероятностей по предложенным вариантам, а не готовый вызов: аргументы модель не собирает и инструменты не запускает. Это полновесный merged-файнтюн Qwen3.5-4B от EugeneEvstafev; LoRA rank 16 обучали на примерах из ToolBench, затем слили с базой. В отличие от обычной генерации, здесь нужно специально скорить логиты меток через DecisionRenderer qwen3_5 — обычный текст или JSON такие вероятности не даст. Пригодится разработчикам агентов, роутеров инструментов и ботов, которым нужно выбирать API и отсеивать запросы без инструмента.

Ключевые особенности

  • Выбирает один вариант из списка описаний инструментов, включая no_tool.
  • Возвращает распределение вероятностей по кандидатам, а не текстовый ответ.
  • Полновесный merged-файнтюн Qwen3.5-4B: LoRA rank 16, затем слияние с базой.
  • Требует DecisionRenderer qwen3_5 и скоринга логитов; обычная генерация не воспроизводит вероятности.
  • Обучен на 4 048 примерах выбора из ToolBench-снапшота.

Что можно сделать

  • Сделать роутер для бота: по запросу выбирать функцию или API из заданного списка описаний.
  • Добавить ветку no_tool, чтобы не вызывать инструмент на болтовню или запросы вне сценария.
  • Использовать вероятности как оценку уверенности и вручную проверять спорные случаи.
  • Прототипировать диспетчер инструментов для агента на Qwen3.5-4B, если нужен именно выбор из кандидатов.

Пример

import torch
from transformers import AutoModelForImageTextToText, AutoTokenizer
from tinker_cookbook import renderers
from tinker_cookbook.recipes.decisions import DecisionRenderer
repo = 'EugeneEvstafev/cevra-toolchoice-4b'
model = AutoModelForImageTextToText.from_pretrained(repo, dtype=torch.bfloat16, device_map='cuda:0').eval()
tokenizer = AutoTokenizer.from_pretrained(repo)
renderer = DecisionRenderer(renderers.get_renderer('qwen3_5', tokenizer))
ПодробнееНа тесте: agreement 98.03% против 78.57% у базы Qwen3.5-4B; Brier 0.02017 против 0.29733.
Обучение: 4 048 примеров из ToolBench-снапшота, 1 эпоха, 203 шага, batch 16, lr 0.0001; LoRA rank 16, затем merge.
Нужен GPU под 4B BF16; точные требования к VRAM не указаны. Обычная генерация текста или JSON не воспроизводит вероятности — нужен DecisionRenderer qwen3_5.
Метрики — согласие с метками датасета, не независимая оценка реальной точности; тест был доступен при разработке.
Обсудить Telegram 1 20

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.7 GB · готовые файлы10 GB
  • FP8 / INT8рекомендуемвеса 4.3 GB5.3 GB
  • 4-bitвеса 2.4 GB3.2 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 2080 Ti

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.

    # EugeneEvstafev/cevra-toolchoice-4b
    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 EugeneEvstafev/cevra-toolchoice-4b --local-dir ~/models/cevra-toolchoice-4b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к cevra-toolchoice-4b
  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

Дообучение модели

Qwen/Qwen3.5-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. cevra-toolchoice-4b

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

EugeneEvstafev/cevra-toolchoice-4b
Автор
EugeneEvstafev
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

201

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Qwen3.5-4B

Qwen3.5-4B