К содержимому
Языковые модели

RockAndEgg-313M-v3

компактная модель на базе Qwen3 для калиброванных решений без генерации текста

2 мин чтенияобновлено

Эта модель размером 313M параметров не пишет текст и не имеет языковой головы — вместо этого она принимает структурированные решения с откалиброванными вероятностями. В её основе лежит урезанная до 10 слоёв (из 28) замороженная основа от Qwen3-0.6B-Base, к которой разработчик moeshawky прикрепил компактную голову принятия решений SystemOne на 268 тысяч параметров. На вход подаётся одно состояние (state) и набор типизированных вопросов, а на выходе модель выдаёт вероятности по вариантам и показатель уверенности. Решение пригодится в пайплайнах, где вместо свободного текста нужен предсказуемый выбор категории, оценка по шкале или отказ от ответа.

Ключевые особенности

  • Три типа решений: choice (выбор одного варианта), score (оценка по упорядоченной шкале) и noul (решение, стоит ли вообще отвечать).
  • Инвариантность к порядку: перестановка вариантов ответа или вопросов в запросе не меняет итоговые вероятности (отклонение 0.0 по тестам).
  • Два формата точности в одном репозитории: в корне лежат веса FP32 (около 1,25 ГБ), а в папке fp16/ — версия FP16 (около 626 МБ) с практически идентичной калибровкой.
  • Замороженная база: весовые коэффициенты основы на 312,9M параметров побитово идентичны версии v2 — дообучалась только сама голова на корпусе SargeDev/jev-distill-corpus-v3.

Что можно сделать

  • Маршрутизация и сортировка запросов: направлять входящие обращения по нужным веткам обработки с опорой на калиброванную уверенность модели.
  • Оценка сгенерированного контента: выставлять баллы ответам других нейросетей или найденным документам по заданным критериям через тип score.
  • Фильтрация с правом отказа: использовать тип noul в пайплайнах извлечения данных, чтобы система воздерживалась от ответа при нехватке информации.

Пример

from transformers import AutoModel

# Загрузка основной версии FP32
model = AutoModel.from_pretrained("moeshawky/RockAndEgg-313M-v3", trust_remote_code=True)

# Или облегчённой версии FP16 (626 МБ)
model_fp16 = AutoModel.from_pretrained("moeshawky/RockAndEgg-313M-v3", subfolder="fp16", trust_remote_code=True)
ПодробнееМетрики на отложенной выборке test_set_30k (29 955 примеров): точность (Accuracy) — 0.5263, ошибка калибровки (ECE) — 0.03656 для FP32 и 0.03677 для FP16.
Обучение головы заняло 1 эпоху (5 002 шага, 80 000 примеров) на двух видеокартах NVIDIA Tesla T4 за ~57 минут.
Ограничения: модель работает только на английском языке, не умеет генерировать текст и не является универсальным классификатором вне логики своего обучающего корпуса; при использовании требуется упоминание датасета SargeDev/jev-distill-corpus-v3 (лицензия Apache-2.0).
Обсудить Telegram 0 65

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 0.6 GB · готовые файлы1.2 GB
  • FP8 / INT8рекомендуемвеса 0.3 GB0.9 GB
  • 4-bitвеса 0.2 GB0.8 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 · F16 — от RTX 2060

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

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.

    # moeshawky/RockAndEgg-313M-v3 — 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 moeshawky/RockAndEgg-313M-v3 --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к RockAndEgg-313M-v3
  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

Qwen/Qwen3-0.6B-Base

Новые посты про версии Qwen3-0.6B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

moeshawky/RockAndEgg-313M-v3
Автор
moeshawky
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

650

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Qwen3-8B-heretic

Qwen3-8B-heretic