К содержимому
Языковые модели

Aether-15B

мультиязычный файнтюн Qwen3 с упором на математику и код

2 мин чтенияобновлено

Aether-15B — языковая модель на 14,77 млрд параметров от K-Ai (Kortex Ai), созданная на базе Qwen/Qwen3-14B-Base. Она дообучена методом QLoRA (квантованная адаптация, позволяющая обучать крупные модели с меньшим расходом видеопамяти) на собственном наборе данных Kai_v3 и объединена в полные веса формата BF16. Модель ориентирована на работу с английским, индонезийским и японским языками, а основной акцент сделан на решении математических задач и написании кода на Python. Пригодится разработчикам и исследователям, которым нужна компактная открытая LLM под лицензией Apache 2.0 для базовых расчётов, генерации кода и работы с тремя целевыми языками.

Ключевые особенности

  • Поддержка трёх языков: английского (en), индонезийского (id) и японского (ja).
  • Специализация на математике (алгебра, арифметика, дроби, теория чисел, текстовые задачи) и коде на Python.
  • Обучение с помощью QLoRA (rank 32, alpha 32) через библиотеку Unsloth с последующим слиянием весов в 16-битный формат (unsloth_merged_16bit).
  • Открытая лицензия apache-2.0, унаследованная от базовой модели Qwen3-14B-Base.

Что можно сделать

  • Использовать в локальных скриптах и ботах на базе transformers для генерации и проверки простого кода на Python.
  • Решать математические задачи разных типов — от дробей и процентов до числовых последовательностей.
  • Интегрировать в мультиязычные ассистенты для обработки запросов на английском, индонезийском и японском языках.

Пример

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

repo = "K-Ai-Official/Aether-15B"
tok = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype=torch.bfloat16, device_map="auto")
msgs = [{"role": "user", "content": "Perkenalkan dirimu secara singkat."}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt", return_dict=True, enable_thinking=False).to(model.device)
ПодробнееБенчмарк на отложенной выборке Kai_v3 (123 примера): точность 99,05% в математике (104/105), 100% в коде на Python (18/18), 100% на английском и японском, 97,56% на индонезийском.
Детали обучения: 1 эпоха на 822 очищенных примерах (из них 735 по математике и 78 по коду), максимальная длина контекста при обучении — 512 токенов, обучение проводилось на GPU с 16 ГБ VRAM.
Ограничения: модель не сравнивалась с другими LLM, оценка безопасности проводилась только простыми эвристиками, а при инференсе важно использовать тот же чат-шаблон с параметром enable_thinking=False.
Обсудить Telegram 1 63

Запустится ли?

Запустится в FP8 / INT8

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

  • BF16веса 28 GB · готовые файлы29 GB
  • FP8 / INT8рекомендуемвеса 14 GB16 GB
  • 4-bitвеса 7.7 GB9.6 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 5080 · BF16 — от RTX 5090

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.

    # K-Ai-Official/Aether-15B — 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 K-Ai-Official/Aether-15B --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к Aether-15B
  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

Qwen/Qwen3-14B-Base

Новые посты про версии Qwen3-14B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

K-Ai-Official/Aether-15B
Автор
K-Ai-Official
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

631

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

AETHER-RAMI

AETHER-RAMI