К содержимому
Языковые модели

ghostai-lfm3-1.7b-appcontract-v3

компактная модель для вызова функций в криптокошельке

2 мин чтения

SFT-чекпоинт (модель, дообученная на примерах диалогов) от разработчика immortaltatsu, созданный на базе LiquidAI/LFM3-1.7B (1.99B параметров). Модель работает локально на устройстве в роли ассистента для кошелька Solana: она распознаёт намерение пользователя и генерирует вызов нужной функции в формате Hermes из каталога на 198 инструментов, а в обычных разговорных репликах молчит и не вызывает лишние команды. В третьей версии формат системных промптов полностью синхронизировали с реальным кодом приложения, убрали пересечения с тестовыми выборками и добавили сложные кейсы, сгенерированные локальной моделью-учителем Nanbeige4.3-33B. Подойдёт разработчикам мобильных и локальных AI-ассистентов, которым нужен быстрый и точный tool calling (вызов внешних инструментов) без обращения к облачным API.

Ключевые особенности

  • Точность вызова инструментов: на отложенной выборке модель выбирает правильный инструмент в 97.78% случаев и формирует валидные аргументы в 99.56%.
  • Компактный формат каталога: обучена на сжатом описании функций из реального приложения (LocalToolCatalog.ts и ContextManager.ts), что экономит контекст при инференсе на устройстве.
  • Устойчивость к ложным срабатываниям: научена отличать запросы на выполнение действий от обычного чата и не вызывать функции там, где нужен просто текстовый ответ.
  • Чистое обучение без утечек: из обучающей выборки удалили 511 пересечений с внешними тестами и заменили их перефразировками от локальной модели Nanbeige4.3-33B.

Что можно сделать

  • Встроить в мобильный или десктопный криптокошелёк Solana как локальный голосовой или текстовый интерфейс для отправки токенов и работы с DeFi-инструментами.
  • Использовать как лёгкий маршрутизатор команд (tool router) в локальных агентах на базе transformers, где нужно выбирать из большого списка API-функций без отправки данных в облако.
  • Взять за основу для дообучения под собственный компактный каталог инструментов приложения по аналогии с LocalToolCatalog.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "immortaltatsu/ghostai-lfm3-1.7b-appcontract-v3"
tok = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, dtype="bfloat16")

msgs = [{"role": "user", "content": "send 2 SOL to alice.sol"}]
prompt = tok.apply_chat_template(msgs, tokenize=False, add_generation_prompt=True, enable_thinking=False)
ПодробнееБенчмарки: на held-out тесте (818 строк) 99.56% парсируемых вызовов и 97.78% точного выбора инструмента; на внешнем agentic-eval-3 (2000 задач) — 94.15% точности выбора основного инструмента.
Обучение: 3 эпохи, lr 1e-5, cosine, bf16, FlashAttention-2, DeepSpeed ZeRO-2 на 3x A100-40GB, максимальная длина контекста 2048 токенов.
Ограничения: при запуске обязательно передавать enable_thinking=False, иначе LFM3 выводит теги рассуждений (); модель тестировалась на заглушках (fixture-сервисах) и не должна сама подписывать транзакции без подтверждения на уровне приложения.
Обсудить Telegram 0

Запустится ли?

Запустится в GGUF F16

Влезает самая точная из готовых сжатых версий.

  • GGUF F16веса 3.7 GB · готовые файлы4.7 GB
  • BF16веса 3.7 GB · готовые файлы4.7 GB
  • FP8 / INT8рекомендуемвеса 1.9 GB2.8 GB
  • GGUF Q4_Kвеса 1.2 GB · готовые файлы2.1 GB
  • GGUF IQ4_XSвеса 1.1 GB · готовые файлы2.0 GB
  • 4-bitвеса 1.0 GB2.0 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 2060 · GGUF F16 — от RTX 2060

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

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 A30

    $0.26 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.

    # immortaltatsu/ghostai-lfm3-1.7b-appcontract-v3 — A30, FP8 / INT8
    # 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 immortaltatsu/ghostai-lfm3-1.7b-appcontract-v3 --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к ghostai-lfm3-1.7b-appcontract-v3
  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

Дообучение модели

LiquidAI/LFM3-1.7B
  1. LFM3-1.7B-Baseоснова семьи
  2. LFM3-1.7B
  3. ghostai-lfm3-1.7b-appcontract-v3

Новые посты про версии LFM3-1.7B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

immortaltatsu/ghostai-lfm3-1.7b-appcontract-v3
Автор
immortaltatsu
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии