К содержимому
Компьютерное зрение

Looped Qwen3.5-0.8B Visual SRE

гибридная мультимодальная модель для триажа инцидентов

2 мин чтения

Модель решает задачу анализа графиков телеметрии Grafana и строгого JSON tool calling (форматированного вызова функций). Основана на архитектуре Qwen/Qwen3.5-0.8B (0.85 млрд параметров) с добавлением рекурсивных циклических слоев (Encode-Think-Decode) и обучена на потребительской видеокарте NVIDIA RTX 4060. Главное отличие от базовой версии — способность рассуждать по цепочке шагов (Chain-of-Thought) прямо по пикселям графиков мониторинга и обходить текстово-визуальные ловушки. Пригодится разработчикам и инженерам для автоматизации разбора IT-инцидентов по скриншотам дашбордов.

Ключевые особенности

  • Архитектура Encode-Think-Decode (ETD) с двукратным прогоном средних слоев через изолированные гибридные кеши.
  • Обучена на 180 мультимодальных траекториях с темными и светлыми темами Grafana, а также конфликтными ловушками.
  • Поддержка квантования KV-кеша (TurboQuant 4-bit) с защитой визуальных токенов и ускорителем flash-linear-attention (fla).
  • Низкие системные требования: полная работа и инференс на одной видеокарте RTX 4060 с 8 ГБ VRAM.

Что можно сделать

  • Автоматически диагностировать аварии и сбои по скриншотам дашбордов мониторинга Grafana.
  • Настроить строгий вызов инструментов (tool calling) в формате JSON для интеграции с системами реагирования.
  • Тестировать устойчивость к визуально-текстовым конфликтам в пайплайнах инцидент-менеджмента.

Пример запуска модели

import torch
from transformers import AutoProcessor, Qwen3_5ForConditionalGeneration
from huggingface_hub import snapshot_download

repo_dir = snapshot_download("kaii07/looped-qwen35-0.8b-visual-sre-v2.1")
base = Qwen3_5ForConditionalGeneration.from_pretrained(repo_dir, dtype=torch.bfloat16, device_map="cuda")
print("Модель успешно загружена")
ПодробнееБенчмарки: 84.0% точности на Hard OOD SRE (против 0.0% у базы) и 68.0% в BFCL v3.
Железо: протестировано на NVIDIA RTX 4060 Laptop GPU (8.00 GB VRAM), пиковое потребление в обучении — 3.37 ГБ.
Ограничения: требует специфической архитектуры загрузки через репозиторий автора вместо стандартного AutoModel.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.6 GB · готовые файлы2.2 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.4 GB1.0 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 2060

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

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.

    # kaii07/looped-qwen35-0.8b-visual-sre-v2.1
    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 kaii07/looped-qwen35-0.8b-visual-sre-v2.1 --local-dir ~/models/looped-qwen35-0.8b-visual-sre-v2.1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к looped-qwen35-0.8b-visual-sre-v2.1
  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

Дообучение модели

Qwen/Qwen3.5-0.8B
  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. looped-qwen35-0.8b-visual-sre-v2.1

Новые посты про версии Qwen3.5-0.8B-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
Слияния 1Все на Hugging Face

О модели

kaii07/looped-qwen35-0.8b-visual-sre-v2.1
Автор
kaii07
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии