К содержимому
Компьютерное зрение

Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v17

модель с эпизодической памятью

2 мин чтенияобновлено

Это новая версия флагманской языковой модели на 40 миллиардов параметров (основанная на разработках DavidAU), дополненная архитектурой эпизодической памяти V17. Модель сохраняет наблюдения, ключи и значения в постоянном хранилище, позволяя обращаться к прошлым диалогам даже после перезапуска сервера. Система автоматически консолидирует данные во время простоя (функция сна) и прогнозирует события по временным меткам. Подойдет разработчикам умных ассистентов и локальных баз знаний, которым важна долговременная контекстная память без потери точности.

Ключевые особенности

  • Эпизодическая память: сохранение ключевых точек внимания и состояний во внешнем хранилище.
  • Фоновая обработка (Sleep): перенос новых наблюдений и проверка связей между данными во время простоя сервиса.
  • Прогнозирование: оценка вероятностей будущих состояний по временным меткам и прошлым цепочкам событий.
  • Интеграция с SGLang: развертывание в Docker с поддержкой персистентного тома памяти формата 8.

Что можно сделать

  • Развернуть локальный чат-сервер через SGLang с сохранением истории диалогов между сессиями.
  • Использовать библиотеку Transformers для интеграции модели со встроенной памятью в Python-скрипты.
  • Настроить автоматическое обновление базы знаний и проверку фактов в фоновом режиме.

Пример

import torch
from transformers import AutoModelForImageTextToText, AutoTokenizer

repo = "LTM-Lab/Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v17"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForImageTextToText.from_pretrained(
    repo, trust_remote_code=True, dtype="auto", device_map={"": 0}
).eval()
model.reopen_memory(storage_path="./qwen-40b-v17-store")

note = "The spare key is in locker QV-823."
with torch.inference_mode(), model.memory_source(role="user", text=note):
    model(**tokenizer(note, return_tensors="pt").to(model.device))
Подробнее• Базовая модель: LTM-Lab/Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v16
• Параметры: 39.96 млрд, 96 слоев (24 слоя полного внимания задействованы в памяти)
• Требования: GPU с поддержкой BF16 (веса занимают около 79.9 ГБ)
• Ограничения: Бюджет токенов памяти ограничен; для длительной работы требуется бэкап SQLite-базы и сегментов.
Обсудить Telegram 0

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 74 GB · готовые файлы82 GB
  • FP8 / INT8рекомендуемвеса 37 GB41 GB
  • 4-bitвеса 21 GB24 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.

    # LTM-Lab/Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v17
    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 LTM-Lab/Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v17 --local-dir ~/models/Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v17
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
  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. Qwen3.8-27Bоснова семьи
  2. Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2
  3. Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v15
  4. Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v16
  5. Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v17

Новые посты про версии Qwen3.8-27B — 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

LTM-Lab/Qwen3.8-40B-Ultimate-Heretic-Uncensored-Build2-v17
Автор
LTM-Lab
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