К содержимому
Компьютерное зрение

Kataguru-Polyglot-264E-35B-A3B

мультиязычный MoE-гигант на 264 эксперта

3 мин чтенияобновлено

Финская компания Datasein Oy выпустила мультиязычную мультимодальную модель для работы с текстом и изображениями (VLM), программирования и точных наук. Она построена на базе Qwen3.5-35B-A3B и Kataguru-Sceptic-35B-A3B-v3.1 с архитектурой MoE (Mixture-of-Experts — смесь экспертов, где для каждого токена активируется только часть сети): общий объём составляет 36,98 млрд параметров, но за раз работают лишь 8 экспертов. Авторы расширили сеть до 264 экспертов, добавив 10 выделенных языковых слотов для финского, эстонского, венгерского, литовского, латышского, исландского, баскского, грузинского, валлийского и турецкого языков в дополнение к английскому. В отличие от базовой модели, новинка переводит напрямую между всеми 110 языковыми парами без промежуточного перевода через английский и без внешних скриптов маршрутизации, а также сняты цензурные ограничения (SOMA/ARA). Модель пригодится разработчикам мультиязычных сервисов, исследователям и энтузиастам, работающим с редкими европейскими и соседними языками.

Ключевые особенности

  • Архитектура 254 + 10 экспертов: 254 замороженных ядра отвечают за STEM, код и вызов инструментов, а 10 выделенных слотов специализируются на конкретных языках.
  • Сохранена мультимодальность: 27-слойный визуальный энкодер ViT, спекулятивная голова MTP и нативное контекстное окно перенесены из базы без изменений.
  • Прямой кросс-языковой перевод и RAG через специальные теги в промпте (/translate / и /rag /) без привязки к английскому языку.
  • Поддержка гибких режимов рассуждений и ролей через теги [INSPECT], [CURATE], [SURGEON], [DECISION] и управление глубиной размышлений.

Что можно сделать

  • Развернуть локальный OpenAI-совместимый API-сервер через vLLM для мультиязычного ассистента с поддержкой вызова функций (tool calling) и анализа изображений.
  • Использовать для прямого перевода текстов и документации между 11 языками (например, с грузинского или финского сразу на турецкий или эстонский) без потери смысла на промежуточном английском.
  • Встроить в кросс-языковой поиск по документам (RAG), подавая контекст на одном языке и получая точные ответы на другом.

Пример

python3 -m vllm.entrypoints.openai.api_server \
  --model "kataguru/Kataguru-Polyglot-264E-35B-A3B" \
  --tensor-parallel-size 4 \
  --max-model-len 65536 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_coder \
  --reasoning-parser qwen3 \
  --host 0.0.0.0 --port 8003
Подробнее Бенчмарки (замерены на квантованной версии NVFP4): среднее по 15 тестам — 69,70%, GPQA Diamond (PhD STEM) — 68,18%, GSM8K — 87,64%, BFCL V4 (вызов функций) — 83,47%, LiveCodeBench v6 — 36,00%.
Требования к железу: веса в полном формате BF16 занимают 68,89 ГБ на диске; для запуска в vLLM рекомендуется от 80 ГБ суммарной VRAM (конфигурация TP=2 или TP=4); также авторы выпустили версии NVFP4, W4A16-AWQ и GGUF.
Ограничения: для строгого прямого перевода без вывода цепочки рассуждений лучше отключать режим размышлений (think=False, точность 13/14 на Live-14 против 10/14 при think=True).
Лицензия: веса и конфиги открыты под Apache-2.0 (с сохранением файла NOTICE).
Обсудить Telegram 0 29

Запустится ли?

Запустится в 4-bit

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

  • BF16веса 69 GB · готовые файлы76 GB
  • FP8 / INT8рекомендуемвеса 34 GB38 GB
  • 4-bitвеса 19 GB22 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: В домашние видеокарты не поместится — выгоднее арендовать.

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.

    # kataguru/Kataguru-Polyglot-264E-35B-A3B
    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 kataguru/Kataguru-Polyglot-264E-35B-A3B --local-dir ~/models/Kataguru-Polyglot-264E-35B-A3B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Kataguru-Polyglot-264E-35B-A3B
  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

  1. Qwen3.5-35B-A3B-Baseоснова семьи
  2. Qwen3.5-35B-A3B
  3. Kataguru-Sceptic-35B-A3B-v3.1
  4. Kataguru-Polyglot-264E-35B-A3B

Новые посты про версии Qwen3.5-35B-A3B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

kataguru/Kataguru-Polyglot-264E-35B-A3B
Автор
kataguru
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

290

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

Blossom-V7.2-9B

Blossom-V7.2-9B