К содержимому
Языковые модели

SmallCoder (303M)

ультракомпактная языковая модель для генерации кода

2 мин чтения

SmallCoder — это компактная модель с 303 миллионами параметров, обученная с нуля специально для генерации кода и алгоритмического мышления. Несмотря на скромный размер, она достигает производительности на уровне гораздо более крупных языковых моделей (LLM), сравниваясь с аналогами на 1B–7B параметров. Модель построена на архитектуре LLaMA и использует токенизатор bigcode/starcoder. Она отлично подойдет разработчикам, которым нужна быстрая локальная модель для написания и отладки кода на ограниченном железе.

Ключевые особенности

  • Высокая эффективность: демонстрирует результаты на HumanEval (27.4%), сопоставимые с моделями в разы большего размера.
  • Обучение с нуля: прошла полный курс обучения на 29.8 миллиардах токенов, включая этапы лингвистической базы, кода и математики.
  • Специализация на коде: оптимизирована под Python и задачи алгоритмического характера.
  • Низкие системные требования: благодаря размеру в 303M параметров работает быстро даже на слабых видеокартах или CPU.

Что можно сделать

  • Генерация кода: интегрировать в локальные среды разработки или ботов для помощи в написании функций на Python.
  • Автодополнение: использовать для быстрого создания шаблонного кода и алгоритмических скриптов.
  • Обучение и эксперименты: запускать и тестировать языковые модели на обычных потребительских ПК.
  • Исследования: изучать подходы к эффективному обучению компактных LLM, созданных с нуля.

Пример

Пример генерации функции с использованием диалогового формата модели:

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

model_id = "ITLL/smallcoder-303m"
device = "cuda" if torch.cuda.is_available() else "cpu"

tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, torch_dtype=torch.bfloat16).to(device)

prompt = """User: Write a Python function to compute Fibonacci numbers.
Assistant:"""
inputs = tokenizer(prompt, return_tensors="pt").to(device)

with torch.no_grad():
    outputs = model.generate(
        **inputs,
        max_new_tokens=512,
        eos_token_id=tokenizer.eos_token_id,
        pad_token_id=tokenizer.eos_token_id,
    )

print(tokenizer.decode(outputs[0], skip_special_tokens=True))
Подробнее• Бенчмарки: HumanEval (pass@1) — 27.4%, MBPP (pass@1) — 31.0%.
• Архитектура: LLaMA-type causal decoder (24 слоя, hidden size 768).
• Ограничения: контекст до 1024 токенов, плохо справляется с общими текстами и математикой за пределами кода.
• Обучение: 6B токенов в рамках SFT-этапа на TPU v4-32.
Обсудить Telegram 0

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.

    # ITLL/smallcoder-303m
    # ===== 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 ITLL/smallcoder-303m --local-dir ~/models/smallcoder-303m
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к smallcoder-303m
  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 smallcoder-303m — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

ITLL/smallcoder-303m
Автор
ITLL
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

Языковые модели

sid1-qwen3-4b

sid1-qwen3-4b
Языковые модели

Dilmaç 28M

Dilmaç 28M