К содержимому
Языковые модели

Project Genesis

геометрический CUDA-сопроцессор для LLM

2 мин чтенияобновлено

Project Genesis от Tesseract Spatial Systems LLC — это компактный сопроцессор размером всего 0,508 МБ, скомпилированный напрямую в нативный CUDA-код (libgenesis_core.so) с точностью IEEE-754 FP64. Он встраивается поверх стандартных языковых моделей (LLM) из библиотеки transformers с постоянным расходом памяти O(1) и без дискретных таблиц поиска токенов. По умолчанию модуль автоматически загружает и подключается к Qwen/Qwen3-8B, но через параметр host_model_id его можно привязать к любой поддерживаемой модели из семейств Qwen, Gemma, Llama, Nemotron или Mistral. Решение пригодится разработчикам и исследователям, экспериментирующим с гибридными архитектурами и инференсом на видеокартах NVIDIA.

Ключевые особенности

  • Минимальный размер ядра — всего 0,508 МБ в виде скомпилированной библиотеки libgenesis_core.so без лишних накладных расходов на синхронизацию хоста и GPU.
  • Задержка выполнения объединенного CUDA-ядра составляет менее 0,5 мс на токен при масштабировании памяти O(1).
  • Совместимость с популярными семействами моделей: Qwen2.5, Qwen3-8B, Gemma-4, Llama-3.2, Nemotron-Mini и Mistral-7B.
  • Простая интеграция в привычный пайплайн Hugging Face через AutoModelForCausalLM с флагом trust_remote_code=True.

Что можно сделать

  • Запустить генерацию текста в связке с базовой моделью Qwen3-8B из коробки без ручной настройки архитектуры.
  • Подключить сопроцессор к более лёгким моделям вроде Qwen2.5-1.5B-Instruct, Llama-3.2-3B-Instruct или Gemma-4-E4B-it для локальных экспериментов и тестов инференса.
  • Проверить работу непрерывного геометрического сопроцессора на сложных научных и математических запросах в Python-скриптах.

Пример

from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
    "Grounded-Entropy/project-genesis",
    host_model_id="Qwen/Qwen2.5-1.5B-Instruct",
    trust_remote_code=True,
)
ПодробнееПлатформа: 64-битный Linux или Windows WSL2.
Требования к GPU: видеокарты NVIDIA с Compute Capability 8.0+ (Ampere RTX 30/A100, Ada RTX 40/L40S, Hopper H100 или Blackwell RTX 50).
Ограничения: поддерживаются только 20 фиксированных размерностей скрытого слоя (d_model) от 576 до 8192, иначе при инициализации возникнет ошибка ValueError.
Обсудить Telegram 0 86

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # Grounded-Entropy/project-genesis
    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 Grounded-Entropy/project-genesis --local-dir ~/models/project-genesis
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к project-genesis
  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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии project-genesis — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Grounded-Entropy/project-genesis
Автор
Grounded-Entropy
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

860

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии