К содержимому
Другое

Ripple-VLM

мультимодальный адаптер для модели Ripple-65B

2 мин чтенияобновлено

Веса адаптера от автора fbarbosa1, которые добавляют текстовой LLM Ripple-65B-Preview способность воспринимать изображения и отвечать на вопросы по ним. Архитектура объединяет визуальный энкодер google/siglip-so400m-patch14-224 с языковой моделью через проектор (49,8M параметров) и LoRA (небольшая надстройка над базовой моделью на 232M параметров). В отличие от полноценных VLM с нуля, это лёгкая надстройка поверх уже готовой 65-миллиардной модели без необходимости переобучать её целиком. Пригодится исследователям и разработчикам, работающим с семейством Ripple, для тестов визуально-языковых задач (VQA) и прототипирования.

Ключевые особенности

  • Включает веса проектора и LoRA с рангом 16 для всех 7 линейных слоёв в каждом из 80 блоков Ripple-65B-Preview.
  • Каждое входное изображение сжимается до разрешения 224×224 и кодируется всего в 64 визуальных токена (с использованием пулинга 2).
  • Обучение проходило в два этапа на 8×H200: сначала выравнивание проектора на 100K пар из LLaVA-Pretrain, затем инструктивный тюнинг на 50K диалогов LLaVA-Instruct-150K.
  • В открытый доступ выложен чекпоинт с 750-го шага второго этапа (обучение остановили досрочно на ~910 шаге из 1500).

Что можно сделать

  • Подключить визуальный ввод к текстовой Ripple-65B-Preview для базового распознавания объектов на картинках и ответов на вопросы типа «да/нет».
  • Использовать открытый код, скрипты обучения и бенчмарк из репозитория GitHub для экспериментов с собственными VLM-адаптерами или продолжения дообучения.
  • Генерировать базовые описания изображений в задачах, где не требуется распознавание мелкого текста.

Пример

from loading import build_vla_inference

model, cfg = build_vla_inference(
    "adapter.safetensors",
    ""
)
# Генерация: model.generate(images, input_ids, attention_mask)
ПодробнееБенчмарки (оценка по 200 примерам): точность на POPE yes/no выросла с 47,0% (только проектор) до 74,5%, на тесте геометрических фигур — 73,5%, NLL на COCO caption улучшился с 3,00 до 2,78.
Требования к железу: около 140 ГБ видеопамяти (например, связка из 2×H100 80GB), так как базовые модели (~130 ГБ) скачиваются отдельно.
Ограничения: из-за 64 токенов на кадр модель не читает мелкий текст, путает цвета, плохо считает объекты и склонна отвечать «да» на POPE (64% ответов).
Лицензия: сам адаптер под Apache-2.0, но датасет LLaVA-Instruct-150K имеет ограничения CC BY-NC 4.0, что может запрещать коммерческое использование.
Обсудить Telegram 0 3

Запустится ли?

Только с выгрузкой в ОЗУ

Даже 4-bit больше видеопамяти. Часть слоёв можно держать в оперативной памяти (llama.cpp, ComfyUI), но работать будет в разы медленнее.

  • BF16веса 122 GB · готовые файлы134 GB
  • FP8 / INT8рекомендуемвеса 61 GB68 GB
  • 4-bitвеса 35 GB39 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: В домашние видеокарты не поместится — выгоднее арендовать.

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Ripple-65B-Preview.

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.

    # fbarbosa1/ripple-vlm-instruct
    # ===== 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 ricursiveAI/Ripple-65B-Preview --local-dir ~/models/Ripple-65B-Preview
    hf download fbarbosa1/ripple-vlm-instruct --local-dir ~/models/ripple-vlm-instruct
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Ripple-65B-Preview
  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

ricursiveAI/Ripple-65B-Preview

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

Новые посты про версии Ripple-65B-Preview — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 7Все на Hugging Face

О модели

fbarbosa1/ripple-vlm-instruct
Автор
fbarbosa1
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

30

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии