К содержимому
Языковые модели

KorshZero-0.33B

карманный титан для разработчиков

2 мин чтения

Модель KorshZero-0.33B от разработчиков KorshLAB представляет собой компактную языковую модель на 325 миллионов параметров, обученную полностью с нуля без использования дистилляции (копирования знаний из чужих больших систем). Она специализируется на современном веб-дизайне, верстке интерфейсов и нативных автономных агентах. На выходе модель выдает быстрый и структурированный код, а благодаря открытой лицензии ее можно развернуть локально без отправки данных на внешние серверы. Новинка отлично подойдет для интеграции в локальные среды разработки, микросерверы и мобильные устройства.

Ключевые особенности

  • Высокая скорость работы: выдает более 448 токенов в секунду на стандартном железе с минимальной задержкой ответа.
  • Минимальный объем памяти: весит от 173 до 331 мегабайт в формате GGUF, что позволяет запускать ее на мини-ПК и смартфонах.
  • Поддержка агентов: содержит встроенные токены для вызова внешних инструментов и выполнения задач ( и спецтеги).
  • Фокус на веб-архитектуру: оптимизирована под написание кода на Tailwind CSS, создание Bento-сеток и интерфейсов.

Что можно сделать

  • Сгенерировать UI-компоненты: создавать современные адаптивные интерфейсы с темной темой и стекломорфизмом прямо в локальном редакторе.
  • Запустить на смартфоне или Raspberry Pi: развернуть языкового помощника на маломощном устройстве благодаря квантованным весам.
  • Интегрировать в агенты: настроить автономную работу с вызовом функций с помощью нативных токенов управления.

Пример

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "KorshLAB/KorshZero-0.33B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto"
)

prompt = "<|bos|><|system|>You are KorshZero-0.33B.<|eos|><|user|>Hello!<|eos|><|assistant|>"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=50)
print(tokenizer.decode(outputs[0]))
ПодробнееАрхитектура: 33 слоя, SwiGLU активация, скрытый размер 896.
Контекстное окно: 2048 токенов.
Требования к VRAM: от 200 MiB до 800 MiB в зависимости от выбранного уровня квантования (от Q2_K до F16).
Лицензия: Apache 2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 1.2 GB · готовые файлы1.9 GB
  • GGUF F16веса 0.6 GB · готовые файлы1.3 GB
  • BF16веса 0.6 GB1.3 GB
  • GGUF Q8_0рекомендуемвеса 0.3 GB · готовые файлы1.1 GB
  • GGUF Q6_Kвеса 0.3 GB · готовые файлы1.0 GB
  • FP8 / INT8веса 0.3 GB1.0 GB
  • GGUF Q5_K_Mвеса 0.2 GB · готовые файлы1.0 GB
  • GGUF Q4_K_Mвеса 0.2 GB · готовые файлы0.9 GB
  • GGUF Q3_K_Mвеса 0.2 GB · готовые файлы0.9 GB
  • 4-bitвеса 0.2 GB0.9 GB
  • GGUF Q2_Kвеса 0.2 GB · готовые файлы0.9 GB

Совет: берите 8-bit.GGUF Q8_0 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: GGUF Q8_0 — от RTX 2060 · F32 — от RTX 2060

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.

    # KorshLAB/KorshZero-0.33B — A30, GGUF Q8_0
    # 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 -fsSL https://ollama.com/install.sh | sh
    ollama run hf.co/KorshLAB/KorshZero-0.33B:Q8_0
    Добавить ещё LoRA к KorshZero-0.33B
  3. 3. Пользуйтесь

    Чат откроется прямо в терминале. Выйти — /bye, запустить снова — та же команда ollama run.

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 KorshZero-0.33B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

KorshLAB/KorshZero-0.33B
Автор
KorshLAB
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

RavenX-CyberAgent

RavenX-CyberAgent