К содержимому
Другое

Metis Hybrid Olala mini

гибридная модель для структурированных запросов

2 мин чтения

Эта модель представляет собой LoRA-адаптер (небольшая надстройка над базовой моделью) и калибратор поверх замороженной базы OVHaiLLM/Olala-v1.0-mini-7A1B (6.8B параметров всего, около 1B активных на токен) от GreenPT. Она создана для ответов на запросы формата TypeSafe Jev /v1/systemone с откалиброванными вероятностями и при этом сохраняет функции обычного чата. В отличие от стандартной базы, здесь добавлены голова принятия решений и покадровый калибратор calibrator.pt, а в запросах используется сокращённый системный промпт. Модель пригодится разработчикам, которым нужны структурированные решения с числовой оценкой уверенности.

Ключевые особенности

  • Гибридная архитектура: объединяет LoRA-адаптер (rank 16), три обученные строки специальных токенов, голову принятия решений и калибратор calibrator.pt.
  • Калибровка вероятностей: выдаёт откалиброванные оценки уверенности для ответов на запросы, что снижает расхождение между уверенностью и реальной точностью.
  • Три режима работы: поддерживает вывод только ответов (systemone), совмещённый режим с пояснениями (both) и режим обычной языковой модели (text).
  • Готовая обвязка: включает код загрузки integrated_decisions_v2 и скрипт запуска сервера scripts/serve.py.

Что можно сделать

  • Развернуть API-сервер: поднять локальный сервис для обработки POST-запросов /v1/systemone через скрипт serve.py в Docker-образе OVHai LLM.
  • Интегрировать в Python: подключать модель через класс DecisionLM для программной обработки состояний и вопросов.
  • Получать пояснения к решениям: запускать режим mode="both", чтобы помимо вероятностей получать текстовое обоснование каждого ответа.
  • Использовать в режиме чата: вести обычный диалог со стандартным системным промптом базовой модели Olala mini.

Пример

import os, sys
from huggingface_hub import snapshot_download

os.environ["IDV2_BACKBONE_REVISION"] = "0fde460f37d0fe2c390619bb5729c9d81dc89091"
path = snapshot_download("GreenPT/metis-hybrid-olala-v1.0-mini")
sys.path.insert(0, path)
from integrated_decisions_v2 import DecisionLM

model = DecisionLM.from_pretrained("OVHaiLLM/Olala-v1.0-mini-7A1B").to("cuda").eval()
model.load(path)
model.systemone({"state": "...", "questions": {...}})
ПодробнееБенчмарки: 169 из 231 на публичном JevBench, 72.1% на generated dev, 85.2% in-domain и 61.2% на отложенных задачах (PIQA, ANLI, WinoGrande); ECE на сложных задачах — 0.142 (с порогом) и 0.112 (без порога).
Железо и скорость: нужно загружать все 6.8B параметров (активно ~1B на токен); на одной H200 обработка решения занимает ~0.18 с, генерация текста — ~12 токенов/с.
Ограничения: модель не достигает целевого порога калибровки 0.10 ни в одной конфигурации; текст внутри state нужно считать недоверенным из-за риска инъекций.
Обучение: 2 этапа (4 938 и 920 шагов) на H200, калибратор обучен методом PCA 32 с L2-регуляризацией 0.001.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 13 GB · готовые файлы14 GB
  • FP8 / INT8рекомендуемвеса 6.4 GB7.5 GB
  • 4-bitвеса 3.6 GB4.5 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 5060 Ti 8GB · BF16 — от RTX 5080

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

Это LoRA: вместе с базовой моделью Olala-v1.0-mini-7A1B.

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.

    # GreenPT/metis-hybrid-olala-v1.0-mini
    # ===== 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 OVHaiLLM/Olala-v1.0-mini-7A1B --local-dir ~/models/Olala-v1.0-mini-7A1B
    hf download GreenPT/metis-hybrid-olala-v1.0-mini --local-dir ~/models/metis-hybrid-olala-v1.0-mini
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Olala-v1.0-mini-7A1B
  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

OVHaiLLM/Olala-v1.0-mini-7A1B

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

  1. Olala-v1.0-mini-7A1B-baseоснова семьи
  2. Olala-v1.0-mini-7A1B-SFT
  3. Olala-v1.0-mini-7A1B
  4. metis-hybrid-olala-v1.0-mini

Новые посты про версии Olala-v1.0-mini-7A1B-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

GreenPT/metis-hybrid-olala-v1.0-mini
Автор
GreenPT
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии