Компактная языковая модель от разработчика Luke Steuber, созданная для локальной Android-клавиатуры LocalType: она предсказывает следующее слово после пробела или дописывает текущее при каждом нажатии клавиши. В основе лежит архитектура CIFG-LSTM (вариант рекуррентной нейросети, который используется в классической модели подсказок Gboard) всего на 2,02 млн параметров, а квантованная в int8 версия весит 2.2 МБ. В отличие от Chime 1.1, ноябрьский релиз дообучили на 1,34 млн английских предложений из проекта Tatoeba, что повысило точность подсказок на отложенных наборах текстов. Модель пригодится разработчикам мобильных клавиатур, офлайн-приложений и встраиваемых систем, где критичны минимальный вес и работа без интернета.
Ключевые особенности
Две задачи в одном вызове: если строка заканчивается пробелом, модель предлагает следующее слово, если нет — завершает недописанное слово.
Инференс на чистом NumPy: для запуска не нужны PyTorch или тяжелые фреймворки, модель полностью автономна и работает офлайн.
Компактный словарь: 16 384 токена, включая 16 054 слова, 293 эмодзи и знаки препинания.
Минимальный след в памяти: файл cifg_int8.bin со встроенным словарем занимает 2.2 МБ (также доступны веса float32 в model.safetensors).
Что можно сделать
Встроить в кастомную Android-клавиатуру (по аналогии с LocalType) или мобильный текстовый редактор для быстрых локальных подсказок без отправки текста в облако.
Использовать как легкий офлайн-движок автодополнения в консольных утилитах, веб-интерфейсах или браузерных приложениях на JavaScript.
ПодробнееТочность top-3 на отложенных выборках: 24.03% (+0.42 п.п. к Chime 1.1) на личных SMS и 25.10% (+0.60 п.п.) на форумных текстах с телефона. Скорость (по замерам идентичной по размеру Chime 1.1): 3.09 мс (p95) на Pixel 9a и 3.24 мс на Pixel 10. Обучена с нуля на ~173 млн английских слов из 6 источников (NUS SMS, Taskmaster, OpenAssistant 2, SODA, Tatoeba) за 2 часа 6 минут на одной NVIDIA A100. Ограничения: только английский язык; не исправляет опечатки и не генерирует связный текст; словарь фиксирован и содержит небольшое число нецензурных слов, которые нужно фильтровать на стороне приложения.
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.
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.
# lukeslp/chime — A30, FP8 / INT8
# 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${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve lukeslp/chime --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
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.
Комментарии