К содержимому
Языковые модели

Liminar-Qwen3.5-122B-A10B

языковая модель для академической среды Аргентины

2 мин чтения

Модель основана на мощной архитектуре Qwen 3.5 122B-A10B и дообучена аргентинской исследовательской лабораторией LICDIA для работы с местной университетской нормативной базой, официальными текстами и формальным испанским языком Аргентины. Она помогает анализировать академические документы, отвечать на вопросы по законодательству сферы образования и поддерживать профильные университетские задачи. Проект ориентирован на вузы, исследователей и разработчиков образовательных систем, которым требуется точная работа с локальными юридическими и институциональными текстами на испанском языке.

Ключевые особенности

  • Адаптирована под нормативные акты и университетскую жизнь Аргентины
  • Создана на базе крупной языковой модели Qwen 3.5 122B-A10B
  • Дообучена на кураторских датасетах из официальных баз данных и документов вузов
  • Показывает высокую точность в задачах генерации текстов на формальном испанском

Что можно сделать

  • Применять модель в университетских системах поддержки студентов и сотрудников для ответов на вопросы по регламентам
  • Использовать в связке с RAG (поиском по документам) для точного цитирования актуальных законов и положений
  • Интегрировать в чат-ботов академических платформ для консультаций по внутренним правилам вузов

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

repo = "LICDIA-UNLu/Liminar-Qwen3.5-122B-A10B"
tok = AutoTokenizer.from_pretrained(repo, revision="v2026.11")
modelo = AutoModelForCausalLM.from_pretrained(
    repo, revision="v2026.11", dtype="auto", device_map="auto")

mensajes = [{"role": "user",
             "content": "¿Qué establece la Ley de Educación Superior sobre la autonomía universitaria?"}]
entrada = tok.apply_chat_template(
    mensajes, add_generation_prompt=True, return_dict=True, return_tensors="pt").to(modelo.device)
salida = modelo.generate(**entrada, max_new_tokens=400)
print(tok.decode(salida[0, entrada["input_ids"].shape[1]:], skip_special_tokens=True))
Подробнее• Лицензия: Apache 2.0
• Метод обучения: LoRA (ранг 256) на суперкомпьютере Clementina XXI с использованием FSDP
• Бенчмарки: точность в тестах без документов выросла с 8,3% (у базовой модели) до 31,7%
• Ограничения: модель не отслеживает изменения в законах после даты сбора датасета и может ошибаться в номерах норм и датах
Обсудить Telegram 0

Запустится ли?

Не запустится

Не хватает памяти даже для 4-bit. Ниже — где арендовать подходящую видеокарту.

  • BF16веса 233 GB · готовые файлы234 GB
  • GGUF Q8_0рекомендуемвеса 123 GB · готовые файлы125 GB
  • FP8 / INT8веса 116 GB118 GB
  • GGUF Q4_K_Mвеса 71 GB · готовые файлы72 GB
  • 4-bitвеса 66 GB67 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.

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 4× RTX A6000

    $1.71 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.

    # LICDIA-UNLu/Liminar-Qwen3.5-122B-A10B — 4× RTX A6000, 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/LICDIA-UNLu/Liminar-Qwen3.5-122B-A10B:Q8_0
    Добавить ещё LoRA к Liminar-Qwen3.5-122B-A10B
  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

Дообучение модели

Qwen/Qwen3.5-122B-A10B

Новые посты про версии Qwen3.5-122B-A10B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

LICDIA-UNLu/Liminar-Qwen3.5-122B-A10B
Автор
LICDIA-UNLu
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

Компьютерное зрение

Script2Play-4B

Script2Play-4B
Компьютерное зрение

AGP-Qwen3.6-35B-A3B

AGP-Qwen3.6-35B-A3B