К содержимому
Другое

sense-xs

компактная ONNX-модель для принятия решений ИИ-агентами локально

2 мин чтенияобновлено

Модель sense-xs от команды fab7hq предназначена для быстрой локальной классификации состояний и задач внутри инструмента управления агентами Weft без отправки данных в облако. В основе лежит замороженная база microsoft/deberta-v3-xsmall, квантованная в формат int8, поверх которой переключаются два компактных LoRA-адаптера (небольшие надстройки над базовой моделью). На вход подаются пары из текста и вопроса, а на выходе модель выдаёт один логит (разницу между «да» и «нет»). Разработка пригодится создателям локальных ИИ-агентов и обёрток для CLI-инструментов, которым нужна быстрая оценка состояния терминала и маршрутизация запросов на CPU.

Ключевые особенности

  • Два специализированных адаптера: state анализирует экран терминала, записи транскрипта и завершение реплики агента, а ask определяет тип задачи, эффекты (чтение, запись, выполнение), маршрут и подходящие правила.
  • Высокая скорость на CPU: на процессоре Apple Silicon чтение экрана (7 строк) занимает около 76 мс, оценка задачи и маршрута (17 строк) — около 195 мс, а проверка пакета из 20 правил — около 300 мс.
  • Компактный формат ONNX: квантованная база sense-xs.int8.onnx и адаптеры с рангом 16 (около 1,5 млн параметров каждый) работают в ONNX Runtime 1.20 и новее с длиной последовательности до 256 токенов.
  • Гибкая настройка через JSON: вопросы, калибровка вероятностей и правила нормализации текста вынесены в файл manifest.json, благодаря чему пользовательские правила обрабатываются так же, как встроенные.

Что можно сделать

  • Определять статус ИИ-агента в терминале: использовать адаптер state, чтобы по тексту экрана распознавать 7 состояний — от простоя и работы до ожидания разрешения, вопроса пользователю или ошибки.
  • Маршрутизировать входящие запросы: применять адаптер ask для оценки последствий команды (чтение, запись, запуск кода, выход за пределы машины) и выбора маршрута (прямое выполнение, план, цель или ревью).
  • Подбирать релевантные инструкции для агента: оценивать пользовательские правила из пакетов практик и учитывать историю их применения с помощью весов из manifest.json.

Пример

В репозитории прилагается файл golden_vectors.jsonl с нормализованными текстами, токенами, логитами и эталонными ответами для проверки корректности запуска в ONNX Runtime. При инициализации сессии необходимо загрузить адаптеры через LoraAdapter, указать активный адаптер через RunOptions.add_active_adapter и выставить параметр session.disable_quant_qdq = 1, чтобы каждая строка батча оценивалась независимо.

ПодробнееТочность адаптера state: 0.966 на определении состояния экрана (2 204 примера), 0.991 на типе записи транскрипта и 0.953 (average precision) на проверке вопроса в конце хода.
Качество адаптера ask: micro F1 0.896 на определении задачи и 0.984 на эффектах (1 000 запросов), точность маршрутизации — 0.961.
Обучение: база предварительно обучена на датасете MoritzLaurer/dataset_train_nli и заморожена, каждый LoRA-адаптер обучался 3 эпохи на одном GPU.
Обсудить Telegram 1

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы0.9 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB0.7 GB
  • 4-bitвеса 0.1 GB0.7 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.

Это LoRA: вместе с базовой моделью deberta-v3-xsmall.

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.

    # fab7hq/sense-xs
    # ===== 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 microsoft/deberta-v3-xsmall --local-dir ~/models/deberta-v3-xsmall
    hf download fab7hq/sense-xs --local-dir ~/models/sense-xs
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к deberta-v3-xsmall
  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

Нужна базовая модель

microsoft/deberta-v3-xsmall

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии deberta-v3-xsmall — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

fab7hq/sense-xs
Автор
fab7hq
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

01

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Pluvium-500

Pluvium-500