К содержимому
Другое

ot-distill-qwen3-8b-t9-6ep-lora

агентские рассуждения от GLM 5.3 Flash для Qwen3-8B

2 мин чтенияобновлено

Набор LoRA-адаптеров (небольших надстроек над базовой моделью), который учит компактную LLM Qwen/Qwen3-8B решать сложные агентские задачи с пошаговым рассуждением. Модель дистиллирована (переняла опыт более крупной нейросети) на 2 701 траектории агента Terminus-2 от модели GLM 5.3 Flash с высоким уровнем рассуждений, причём все блоки размышлений сохранены в обучающих данных. В отличие от стандартной Qwen3-8B, адаптер заточен под многошаговое агентское поведение на базе датасета OpenThoughts-Agent-SFT-3.16K и требует генерации при повышенной температуре, чтобы не зацикливаться. Подойдёт разработчикам локальных ИИ-агентов, которым нужна лёгкая 8B-модель с навыками планирования.

Ключевые особенности

  • Дистилляция с сохранением цепочек мыслей: обучение прошло на 2 701 примере из конфигурации T9-3.16k-sft-v0 с полным сохранением тегов на каждом ходе ассистента.
  • Высокий ранг адаптера: использован LoRA rank 128 (alpha 256) для всех ключевых линейных слоёв внимания и MLP (q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj).
  • Длинный контекст обучения: последовательности рендерились с маркерами Qwen3 и обрезались до 32 768 токенов (65,4 млн токенов за эпоху).
  • Чекпоинты по эпохам: в репозитории веса разложены по папкам для разных этапов обучения (6 эпох, 1 014 шагов).

Что можно сделать

  • Поднять локальный сервер для ИИ-агента: подключить адаптер к базовой Qwen/Qwen3-8B через vllm с включённым парсером рассуждений --reasoning-parser qwen3.
  • Влить веса в базовую модель: объединить LoRA с оригинальной Qwen3-8B через библиотеку peft (merge_and_unload()) для дальнейшего квантования или деплоя.
  • Сравнить качество по эпохам: протестировать разные стадии обучения из репозитория или сопоставить поведение 8B-версии со старшим вариантом ot-distill-qwen38-27b-t9-6ep-lora.

Пример

vllm serve Qwen/Qwen3-8B --enable-lora --max-lora-rank 128 --reasoning-parser qwen3 \
    --lora-modules t9-8b-e6=
ПодробнееОбучение: 6 эпох (1 014 шагов), эффективный батч 16 (4 GPU × accumulation 4), точность bf16, peak lr 3e-4 с косинусным затуханием.
Метрики на обучении: средний training loss составил 1.366 / 1.190 (частичные данные по эпохам).
Важное ограничение: при генерации нужно ставить temperature = 1.0 — на стандартной для Qwen3 температуре 0.6 ранние версии модели уходили в зацикливание.
Безопасность: автор планирует добавить результаты тестов на misalignment (StrongREJECT, XSTest, CoCoNot, MASK) с оценкой через локальную Llama-3.3-70B.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 17 GB · готовые файлы19 GB
  • FP8 / INT8рекомендуемвеса 8.9 GB10 GB
  • 4-bitвеса 5.6 GB6.7 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 2080 Ti · BF16 — от RTX 4090

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

Это LoRA: вместе с базовой моделью Qwen3-8B.

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.

    # helloelwin/ot-distill-qwen3-8b-t9-6ep-lora
    # ===== 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 Qwen/Qwen3-8B --local-dir ~/models/Qwen3-8B
    hf download helloelwin/ot-distill-qwen3-8b-t9-6ep-lora --local-dir ~/models/ot-distill-qwen3-8b-t9-6ep-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3-8B
  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

Qwen/Qwen3-8B

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

  1. Qwen3-8B-Baseоснова семьи
  2. Qwen3-8B
  3. ot-distill-qwen3-8b-t9-6ep-lora

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

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

О модели

helloelwin/ot-distill-qwen3-8b-t9-6ep-lora
Автор
helloelwin
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

Изображения

MOSS-Image SFT

MOSS-Image SFT