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
tessпрямо во время запроса поверх развёрнутой базовойInkling-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
Подробнее
Бенчмарк: 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.









Комментарии