К содержимому
Другое

Qwen3.8-27B Luna LoRA

дистилляция агентных траекторий

2 мин чтенияобновлено

Это LoRA (небольшая надстройка над базовой моделью) для текстовой Qwen/Qwen3.8-27B. Адаптер обучен на траекториях агента GPT-6 Luna Terminus-2 из набора OpenThoughts-Agent-SFT-3.16K — 3 134 строки, где в <think> лежит краткое рассуждение GPT-6 Luna или пусто. На выходе получаешь адаптер, который подключается к Qwen3.8-27B и позволяет экспериментировать с агентными сценариями на этих задачах. В релизе четыре папки по числу эпох: epoch-1, epoch-2, epoch-4 и epoch-6. Пригодится тем, кто занимается дистилляцией агентов и хочет сравнить разные стадии обучения.

Ключевые особенности

  • LoRA rank 128, alpha 256, dropout 0.05 на все linear-слои текстовой модели, включая проекции Gated DeltaNet; 0,93 млрд обучаемых параметров.
  • Дистилляция из траекторий GPT-6 Luna Terminus-2 на задачах OpenThoughts-Agent-SFT-3.16K (3 134 строки).
  • Средний training loss по эпохам: 0.681 / 0.566 / 0.404 / 0.227 / 0.085 / 0.027; к шестой эпохе тренировочный сет почти заучен.
  • 6 эпох, 1 176 шагов, effective batch 16, bf16, loss на каждом ответе ассистента, обрезка до 32 768 токенов.
  • Базовая Qwen3.8-27B содержит vision tower, но в этом адаптере он не используется — только текст.

Что можно сделать

  • Поднять адаптер через vLLM и прогнать агентные сценарии из OpenThoughts-Agent-SFT-3.16K.
  • Сравнить epoch-1/2/4/6: ранние эпохи меньше переобучены, поздние ближе к тренировочному сету.
  • Взять как отправную точку для собственной дистилляции агентных траекторий в Qwen3.8-27B.
  • Проверить в чат-боте или агенте с temperature 1.0 — это рекомендованная настройка из карточки.

Пример

vllm serve Qwen/Qwen3.8-27B --enable-lora --max-lora-rank 128 \
    --limit-mm-per-prompt '{"image":0,"video":0}' --reasoning-parser qwen3 \
    --lora-modules luna27-e6=<local path to epoch-6>
ПодробнееПик learning rate 3e-4, cosine decay после 3% warmup (35 шагов); обучение шло на 4 GPU с accumulation 4. Последовательности рендерились маркерами <|im_start|>/<|im_end|> вокруг текста хода, а не через chat template.
Оценки StrongREJECT, XSTest, CoCoNot, MASK и agentic misalignment ещё выполн��ются — результатов в карточке пока нет.
К шестой эпохе средний training loss 0.027: тренировочный сет близок к запоминанию, это стоит учитывать при выборе чекпоинта.
Обсудить Telegram 0

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 55 GB · готовые файлы61 GB
  • FP8 / INT8рекомендуемвеса 29 GB33 GB
  • 4-bitвеса 18 GB20 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 Qwen3.8-27B.

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-qwen38-27b-new-data-v2-luna-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/Qwen3.8-27B --local-dir ~/models/Qwen3.8-27B
    hf download helloelwin/ot-distill-qwen38-27b-new-data-v2-luna-6ep-lora --local-dir ~/models/ot-distill-qwen38-27b-new-data-v2-luna-6ep-lora
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.8-27B
  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/Qwen3.8-27B

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

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

helloelwin/ot-distill-qwen38-27b-new-data-v2-luna-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