К содержимому
Языковые модели

Kanata-S1-3B

компактная агентская LLM для кода на базе Granite 4.1

2 мин чтения

Команда K-Ai (Kortex AI) выпустила компактную языковую модель на 3,4 млрд параметров, заточенную под программирование и работу в роли ИИ-агента. В основе лежит ibm-granite/granite-4.1-3b-base, дообученная методом SFT (контролируемое дообучение на примерах) с использованием QLoRA (квантованный адаптер для экономии памяти при обучении). В отличие от базовой версии, модель научили вызывать внешние инструменты (tool calling), строить пошаговые планы и работать сразу с тремя языками: английским, японским и индонезийским. Подойдёт разработчикам, которым нужна лёгкая локальная модель для экспериментов с агентскими пайплайнами и генерацией кода.

Ключевые особенности

  • Программирование и отладка: фокусируется на Python, JavaScript и TypeScript, а часть обучающих задач проверялась через юнит-тесты прямо при генерации датасета.
  • Агентские сценарии: обучена на синтетических диалогах с реальным выполнением Python-кода, включая исправление багов, рефакторинг, исследование репозитория и честный отчёт при сбое инструмента.
  • Вызов инструментов: использует формат чата Granite с тегами ролей и вызывает функции в стиле Hermes через конструкцию .
  • Открытая лицензия: модель распространяется под лицензией Apache-2.0, при этом авторы рекомендуют отдельно проверить лицензии исходных датасетов перед коммерческим использованием.

Что можно сделать

  • Встроить в локального ИИ-агента или скрипт на Python для автоматического рефакторинга, поиска багов и запуска тестов через внешнюю среду исполнения.
  • Использовать как лёгкий кодинг-ассистент для генерации функций на Python, JS и TS на английском, японском или индонезийском языках.
  • Взять за основу для дальнейшего дообучения под свои агентские задачи с помощью библиотеки transformers.

Пример

import torch
from transformers import AutoTokenizer, AutoModelForCausalLM

tok = AutoTokenizer.from_pretrained("Keanualfahd/Kanata-S1-3B")
model = AutoModelForCausalLM.from_pretrained("K-Ai-Official/Kanata-S1-3B", torch_dtype="auto", device_map="auto")
prompt = "<|start_of_role|>user<|end_of_role|>Write a Python function to reverse a string<|end_of_text|>\n<|start_of_role|>assistant<|end_of_role|>"
ids = tok(prompt, return_tensors='pt', add_special_tokens=False).to(model.device)
out = model.generate(**ids, max_new_tokens=300, eos_token_id=tok.convert_tokens_to_ids("<|end_of_text|>"))
ПодробнееВнутренний мини-тест кода: 5 из 6 пройденных задач на Python (EN/ID/JA).
Тест tool calling на малой выборке (n=4 на язык): 25% валидных вызовов на EN и ID, 0% на JA — модель экспериментальная и может ошибаться в формате инструментов.
Обучение: QLoRA 4-bit NF4 (rank 32), длина контекста 1280, 2476 примеров, 45,9 минут на NVIDIA T4.
Индонезийский язык официально не поддерживается базовой Granite и не проходил глубокого тестирования.
Обсудить Telegram 1 37

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.3 GB · готовые файлы7.6 GB
  • FP8 / INT8рекомендуемвеса 3.2 GB4.4 GB
  • 4-bitвеса 1.8 GB3.0 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 · BF16 — от RTX 5060 Ti 8GB

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/Kanata-S1-3B — 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/Kanata-S1-3B --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к Kanata-S1-3B
  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

ibm-granite/granite-4.1-3b-base

Новые посты про версии granite-4.1-3b-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 3Все на Hugging Face
Дообучения 9Все на Hugging Face
LoRA и адаптеры 3Все на Hugging Face

О модели

K-Ai-Official/Kanata-S1-3B
Автор
K-Ai-Official
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

371

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

commitcraft-0.5b

commitcraft-0.5b
Языковые модели

tiny-stories-1m

tiny-stories-1m