К содержимому
Языковые модели

llama3.2-3b-cpt-military

дообучение Llama 3.2 3B на военной тематике

2 мин чтенияобновлено

Базовая языковая модель на 3.21 млрд параметров, прошедшая этап continual pretraining (дополнительного предобучения на неразмеченных текстах) на смеси данных с добавлением военного домена. В основе лежит meta-llama/Llama-3.2-3B от автора Lyric1010, обученная суммарно на 10 миллиардах токенов. От оригинальной базовой модели она отличается сниженной перплексией на целевых корпусах и изменённым параметром масштабирования контекста RoPE. Подойдёт исследователям и разработчикам в качестве фундаментной базы для последующего SFT (обучения следованию инструкциям) под узкоспециализированные задачи.

Ключевые особенности

  • Сбалансированная смесь: обучение прошло на 10B токенов, где 1.84% (около 187 млн токенов) составил военный корпус qy_syn_military_llama3, а 98.16% — общий синтетический микс qy_syn_mix_10b без искусственного апсэмплинга.
  • Снижение потери (loss): на отложенной выборке военного датасета causal-LM loss упал с 2.127 (ppl 8.39) у базовой Llama-3.2-3B до 1.332 (ppl 3.79).
  • Конфигурация RoPE: параметр rope_scaling.factor установлен в 8.0 (как в дефолтных настройках Llama 3.1) вместо 32.0 у стандартной Llama-3.2-3B, что соответствует реальным условиям прогона.
  • Стек обучения: модель тренировалась в формате bf16 на 8 GPU с длиной последовательности 4096 токенов через фреймворк Megatron-Core (Pai-Megatron-Patch).

Что можно сделать

  • Взять за основу для последующего файнтюнинга (SFT или DPO) под профильные диалоговые ассистенты и анализ специализированной документации.
  • Использовать в задачах генерации и автодополнения текстов, где требуется лучшая ориентированность в военной терминологии по сравнению с ванильной Llama-3.2-3B.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

model = AutoModelForCausalLM.from_pretrained("Lyric1010/llama3.2-3b-cpt-military", torch_dtype="bfloat16")
tok = AutoTokenizer.from_pretrained("Lyric1010/llama3.2-3b-cpt-military")
ПодробнееМетрики: validation loss 0.589; на военном корпусе ppl 3.79 против 8.39 у базы, на общем миксе — 2.25 против 3.34.
Обучение: 19 073 шага, lr от 2e-5 до 7e-7 (cosine), длина контекста 4096, точность bfloat16.
Ограничения: это базовый чекпоинт (не instruct-модель), для диалогов требуется дообучение; параметр rope_scaling.factor = 8.0 менять не рекомендуется.
Обсудить Telegram 0 10

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 6.0 GB · готовые файлы7.5 GB
  • FP8 / INT8рекомендуемвеса 3.0 GB4.5 GB
  • 4-bitвеса 1.7 GB3.2 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: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 5060 Ti 8GB

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.

    # Lyric1010/llama3.2-3b-cpt-military — 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 Lyric1010/llama3.2-3b-cpt-military --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к llama3.2-3b-cpt-military
  3. 3. Пользуйтесь

    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.

  • 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

meta-llama/Llama-3.2-3B

Новые посты про версии Llama-3.2-3B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 8Все на Hugging Face
Слияния 3Все на Hugging Face

О модели

Lyric1010/llama3.2-3b-cpt-military
Автор
Lyric1010
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

100

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

LevelUp AI

LevelUp AI