К содержимому
Языковые модели

Inkling-2-Small-Riggs1890-lexgym

учим нейросеть словарю без потери навыка поиска

2 мин чтенияобновлено

Исследовательский LoRA-адаптер (небольшая надстройка над базовой моделью) от независимого автора Christian H. Cooper на базе Inkling-2-Small. Модель обучали на оцифрованном словаре языка дакота Стивена Р. Риггса 1890 года, чтобы проверить метод запоминания текста без потери способности пользоваться инструментами (tool use). Обычно при дообучении на фактах нейросети перестают обращаться к внешнему поиску, но смешанный датасет из обычных вопросов и готовых диалогов с поиском позволил сохранить оба навыка. Адаптер пригодится исследователям ML для изучения методов дообучения и работы с редкими историческими корпусами.

Ключевые особенности

  • Гибридное обучение: датасет на 69 461 строку объединяет прямые вопросы-ответы и примеры поиска по словарю (около 20% строк), чтобы модель не разучилась вызывать команду LOOKUP:.
  • Высокая точность: за 3 эпохи модель запоминает 83,5% протестированных словарных статей (против 3% у базы) и в 100% случаев корректно использует инструмент поиска.
  • Экономия токенов: адаптер отвечает лаконично в одну строку — на 1500 тестовых задач ушло 23 тыс. токенов вместо 1,27 млн у исходной модели, которая тратила по ~600 токенов на рассуждения.
  • Усвоение правил: на незнакомых семействах слов модель корректно определяет слоги и ударения в 90,7% случаев.

Что можно сделать

  • Воспроизвести метод обучения: использовать открытый пайплайн автора на базе библиотеки tinker, чтобы обучить свою модель на узкоспециализированном справочнике без деградации вызова инструментов.
  • Исследовать историческую лексику: протестировать ответы адаптера по словарю 1890 года в готовом демо-стенде или через API сервиса Tinker.

Пример

from openai import OpenAI
import os

client = OpenAI(base_url="[https://tinker.thinkingmachines.dev/services/tinker-prod/oai/api/v1](https://tinker.thinkingmachines.dev/services/tinker-prod/oai/api/v1)", api_key=os.environ["TINKER_API_KEY"])
out = client.chat.completions.create(
    model="tinker://551aa04a-f385-5fdc-825c-7f47cf3a769d:train:0/sampler_weights/final",
    messages=[{"role": "system", "content": "You answer from Stephen R. Riggs, A Dakota-English Dictionary (1890). Use the spelling of that book. Give only the answer on one line, starting with 'ANSWER:'."},
              {"role": "user", "content": "Give the English definition of the Dakota word: iwiśtaŋ"}],
    max_tokens=96, temperature=0.0, reasoning_effort="none")
print(out.choices[0].message.content) # ANSWER: to treat well, as a sick person
ПодробнееБазовая модель: thinkingmachines/Inkling-2-Small (MoE-архитектура: 594B параметров всего, ~17B активных на токен).
Метрики (1500 задач, temperature 0): общая точность выросла с 27,8% до 82,3%, поиск в 1 и 2 шага — 100%, словоизменение (inflected forms) — 49,3%.
Обучение: LoRA rank 32, 3 прохода (22,47 млн токенов) через сервис Tinker, стоимость обучения составила $33,70.
Ограничения: для локального запуска базы требуются сотни гигабайт VRAM; адаптер отражает миссионерский словарь 1890 года, а не современный язык дакота, и может галлюцинировать на словах вне книги.
Примеры и видео
Обсудить Telegram 0 19

Запустится ли?

Не запустится

Не хватает памяти даже для 4-bit. Ниже — где арендовать подходящую видеокарту.

  • U8веса 575 GB · готовые файлы577 GB
  • FP8 / INT8рекомендуемвеса 569 GB571 GB
  • 4-bitвеса 327 GB329 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 Inkling-2-Small.

Для текстовых моделей — с контекстом 8192 токенов.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте 8× A100 80GB

    $8.09 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # HarleyCooper/Inkling-2-Small-Riggs1890-lexgym — 8× A100 80GB, FP8 / INT8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve thinkingmachines/Inkling-2-Small --max-model-len 8192 --quantization fp8 --tensor-parallel-size 8 --enable-lora --max-lora-rank 64 --lora-modules Inkling-2-Small-Riggs1890-lexgym=HarleyCooper/Inkling-2-Small-Riggs1890-lexgym
    Добавить ещё LoRA к Inkling-2-Small
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

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

Нужна базовая модель

thinkingmachines/Inkling-2-Small

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

Новые посты про версии Inkling-2-Small — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 9Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face

О модели

HarleyCooper/Inkling-2-Small-Riggs1890-lexgym
Автор
HarleyCooper
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Fable

Fable
Языковые модели

Coli-ByT5-Small

Coli-ByT5-Small