К содержимому
Языковые модели

Meridian21Lab/concept-memory-140m-11.5bt

компактная языковая модель с концептуальной памятью для длинных текстов

2 мин чтенияобновлено

Новая базовая модель (не дообученная под диалоги) размером 141.5 миллиона параметров обучена на 11.5 миллиардах токенов с использованием уникальной концептуальной памяти (concept memory). Во время чтения модель разбивает уже увиденный текст на небольшие кластеры токенов («концепты» примерно по 8 штук) и сохраняет их сводки, перечитывая только самые важные для следующего слова. Хотя каждый локальный слой видит лишь последние 128 токенов, модель способна обрабатывать контекст длиной до 64k токенов (около 50 000 слов). Разработка создана в рамках проекта MrCogito для эффективного сжатия длинных текстов и рассуждения над ними.

Ключевые особенности

  • Лидер среди аналогов по длинному контексту: На документах длиной 64k токенов предсказывает текст лучше моделей своего размера (0.795 бит на байт).
  • Использование всей истории: Качество предсказаний стабильно растет по мере увеличения контекста вплоть до 61k токенов.
  • Высокая дата-эффективность: Показывает отличные результаты в грамматике (BLiMP 80.56%) при скромном бюджете обучения всего в 11.5 млрд токенов.
  • Доступность железа: Полная обработка документа на 64k токенов выполняется за один проход на обычной видеокарте RTX 3090 с 24 ГБ VRAM.

Что можно сделать

  • Исследовать обработку больших текстов: Протестировать работу модели с длинными книгами, научными статьями и отчетами в рамках исследовательских задач.
  • Интегрировать в конвейеры анализа: Использовать как эффективную базовую модель для проектов, требующих удержания в контексте больших объемов информации при ограниченных ресурсах.
  • Изучать архитектуру памяти: Экспериментировать с механизмами концептуального сжатия текста и сравнить подходы к работе с длинным контекстом.

Пример

Пример генерации текста (температура 0.7, top-p 0.9):
The capital of France is Paris, the second largest city in the world, with a population of 7.5 million people. It is known for its rich history and culture, as well as its iconic landmarks such as the Eiffel Tower, Louvre Museum, and Notre-Dame Cathedral. …

ПодробнееБенчмарки: BLiMP (грамматика) — 80.56%, ARC-Easy — 48.95%, длинный контекст (64k) — 0.795 бит на байт.
Требования к железу: одна видеокарта RTX 3090 (24 ГБ VRAM) для прогона документов на 64k токенов.
Ограничения: исследовательский релиз, базовая модель (не instruction-tuned), обучена на одном сиде.
Детали обучения: 141.5M параметров, 11.5B публичных токенов, стоимость обучения около $320 (примерно 40 часов на узле с 4 GPU).
Примеры
Обсудить Telegram 0 681

Запустится ли?

Запустится в F32

Влезает без сжатия.

  • F32веса 0.5 GB · готовые файлы1.5 GB
  • BF16веса 0.3 GB1.2 GB
  • FP8 / INT8рекомендуемвеса 0.1 GB1.1 GB
  • 4-bitвеса 0.1 GB1.0 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 · 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.

    # Meridian21Lab/concept-memory-140m-11.5bt — 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 Meridian21Lab/concept-memory-140m-11.5bt --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к concept-memory-140m-11.5bt
  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

Новые посты про версии concept-memory-140m-11.5bt — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Meridian21Lab/concept-memory-140m-11.5bt
Автор
Meridian21Lab
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

6810

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

Add Micro Details

Add Micro Details18+