К содержимому
Другое

Arete-27B-Gosset: 27-миллиардная модель на одной карте с 16 GB VRAM

2 мин чтения

Arete-27B-Gosset — это специальная квантованная версия гибридной языковой модели Arete-27B от Nous Research, сжатая методом Gosset Packing до 3.79 бит на вес (bpw). Благодаря глубокой компрессии результирующий размер на диске составляет около 13 ГБ, что позволяет модели полностью поместиться в видеопамять (VRAM) карт с 16 ГБ (например, RTX 5080) без выгрузки в системную оперативною память. Модель сохраняет мультимодальные возможности базовой архитектуры и контекст до 32 768 токенов по умолчанию, обеспечивая высокую скорость генерации и совместимость с OpenAI/Ollama API.

Ключевые особенности

  • Полная резидентность в VRAM: Занимает всего 12.07 GiB статической памяти и пиково до 13.48 GiB на дефолтном контексте 32K.
  • Высокая скорость генерации: Достигает 53.92 токенов в секунду при декодировании на проверенном железе.
  • Гибридная архитектура: Использует слои DeltaNet с линейным вниманием O(1), что снижает потребление памяти под KV-кеш.
  • Готовый рантайм: В комплект входит интерактивный CLI для чата и локальный сервер, совместимый с API OpenAI и Ollama.

Что можно сделать

  • Локальный чат: Запустить полноценного интерактивного ассистента прямо на домашнем ПК с одной видеокартой.
  • Локальный API-сервер: Поднять локальную точку доступа, совместимую с OpenAI и Ollama, для интеграции в сторонние приложения.
  • Решение задач и кодинг: Использовать модель для программирования (высокие показатели на HumanEval) и рассуждений локально без облачных API.

Пример

Запуск интерактивного чата с моделью в терминале после установки зависимостей:

python run_e8_chat.py
ПодробнееБенчмарки: HumanEval (pass@1) — 91.46%, GSM8K (на выборке 100 задач) — 93%.
Требования: NVIDIA GPU с минимум 16 GB VRAM, Python 3.11+, ~14 GB свободного места.
Ограничения: Некоммерческая лицензия Gosset Evaluation License; перплексия выше BF16 оригинал примерно на 5-7%.
Особенности: 48 из 64 слоев используют линейное внимание с нулевым расходом KV-кеша.
Обсудить Telegram 1

Запустится ли?

Запустится в I32

Влезает без сжатия.

  • I32веса 12 GB · готовые файлы14 GB
  • FP8 / INT8рекомендуемвеса 4.5 GB5.4 GB
  • 4-bitвеса 2.5 GB3.3 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 · I32 — от RTX 5080

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.

    # GossetWorks/Arete-27B-Gosset-3.65BPW
    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 GossetWorks/Arete-27B-Gosset-3.65BPW --local-dir ~/models/Arete-27B-Gosset-3.65BPW
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Arete-27B-Gosset-3.65BPW
  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

NousResearch/Arete-27B
  1. Qwen3.8-27Bоснова семьи
  2. Arete-27B
  3. Arete-27B-Gosset-3.65BPW

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

GossetWorks/Arete-27B-Gosset-3.65BPW
Автор
GossetWorks
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

Языковые модели

Arete-27B

Arete-27B