К содержимому
Компьютерное зрение

Tess-4.5-594B-A17B-LoRA

агентский адаптер для Inkling 2 Small

2 мин чтенияобновлено

LoRA-адаптер (небольшая надстройка над базовой моделью) от автора migtissera, который превращает модель thinkingmachines/Inkling-2-Small в Tess-4.5-594B-A17B. Адаптер весит всего 327 МБ и обучен на 46,9 млн токенов реальных агентских инженерных сессий, улучшая решение задач программирования и сокращая длину ответов. В отличие от классических адаптеров для MoE-моделей (смеси экспертов), эта версия модифицирует только модули внимания и выходной слой, не затрагивая самих экспертов. Благодаря этому её можно без потерь слить с базовой моделью или подключать на лету в vLLM поверх квантованного чекпоинта.

Ключевые особенности

  • Точечная адаптация: обучались только 6 проекций внимания во всех 48 слоях и выходной слой lm_head (81,7 млн параметров).
  • Совместимость с квантованием: маршрутизируемые эксперты в базе хранятся в NVFP4 и MXFP8, поэтому обход экспертов позволяет точно слить LoRA в BF16-тензоры и запускать через vLLM.
  • Выше точность и меньше токенов: после слияния модель набирает 88,2% на SWE-Bench Pro v2 Hard против 86,3% у базы, тратя на 9% меньше выходных токенов.
  • Сохранение длинного контекста: уровень рассуждений на длинном контексте остаётся на уровне базовой модели без деградации.

Что можно сделать

  • Агентская разработка: подключить адаптер для автоматизации инженерных задач с передачей рабочей директории и описаний инструментов в поле tools.
  • Динамическое переключение в vLLM: подгружать адаптер по имени tess прямо во время запроса поверх развёрнутой базовой Inkling-2-Small.
  • Сборка собственного чекпоинта: самостоятельно объединить веса LoRA с BF16-слоями базовой модели по формуле из карточки.

Пример

vllm serve thinkingmachines/Inkling-2-Small \
  --tensor-parallel-size 4 --max-model-len 262144 \
  --enable-lora --lora-modules tess=migtissera/Tess-4.5-594B-A17B-LoRA \
  --reasoning-parser inkling --enable-auto-tool-choice --tool-call-parser inkling
ПодробнееБенчмарк: 88,2% на SWE-Bench Pro v2 Hard (база — 86,3%), минус 9% выходных токенов.
Архитектура LoRA: формат PEFT, FP32, размер 327 МБ (577 тензоров), rank 32, alpha 32 (scaling 1.0).
Обучение: 1 эпоха на данных Tess-4.5 v2 в Tinker, lr 1e-4 с линейным затуханием, batch 8, effort 0.9.
Ограничения: при запросах рекомендуется reasoning_effort="xhigh"; авторы не проводили нагрузочное тестирование сервинга самого адаптера в vLLM.
Видео-пример
Обсудить Telegram 1 11

Запустится ли?

Не запустится

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

  • U8веса 560 GB · готовые файлы617 GB
  • FP8 / INT8рекомендуемвеса 554 GB609 GB
  • 4-bitвеса 312 GB343 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

Ни один инстанс не вместит модель целиком — нужна выгрузка в ОЗУ или кластер.

Своя видеокарта: В домашние видеокарты не поместится — выгоднее арендовать.

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Inkling-2-Small.

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.

    # migtissera/Tess-4.5-594B-A17B-LoRA
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 thinkingmachines/Inkling-2-Small --local-dir ~/models/Inkling-2-Small
    hf download migtissera/Tess-4.5-594B-A17B-LoRA --local-dir ~/models/Tess-4.5-594B-A17B-LoRA
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Inkling-2-Small
  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

Нужна базовая модель

thinkingmachines/Inkling-2-Small

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии Inkling-2-Small — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 9Все на Hugging Face
LoRA и адаптеры 4Все на Hugging Face

О модели

migtissera/Tess-4.5-594B-A17B-LoRA
Автор
migtissera
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

111

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

ScarletKc-2.0

ScarletKc-2.0