К содержимому
Другое

clairic-flash-GGUF

статические квантования модели от Cloudflare

1 мин чтения

Репозиторий предлагает набор квантованных версий модели Cloudflare/clairic-flash в формате GGUF (формат для эффективного запуска больших языковых моделей на потребительском железе). Квантование (сжатие весов модели для экономии памяти) выполнено в различных вариантах — от компактных Q2_K до высококачественных Q8_0 и f16. Набор предназначен для разработчиков и энтузиастов, желающих запускать оригинальную модель локально с меньшими требованиями к видеопамяти и оперативной памяти.

Ключевые особенности

  • Большой выбор вариантов сжатия от 4.1 GB до 18.5 GB.
  • Рекомендуемые быстрые конфигурации Q4_K_S и Q4_K_M.
  • Наличие ультракомпактных форматов вроде Q2_K и IQ4_XS для ограниченных систем.
  • Формат GGUF совместим с популярными локальными рантаймами (например, llama.cpp).

Что можно сделать

  • Запустить модель локально в терминале или через совместимые UI-интерфейсы.
  • Протестировать разные степени квантования для поиска баланса между скоростью и качеством генерации.
  • Интегрировать модель в локальные пайплайны обработки текста на скромном железе.

Пример

Для запуска скачайте нужный файл квантования (например, Q4_K_M) и используйте его в любом совместимом с GGUF клиенте или библиотеке, поддерживающей формат, указав путь к файлу весов.

ПодробнееБазовая модель: Cloudflare/clairic-flash
Доступные размеры файлов: от 4.1 GB (Q2_K) до 18.5 GB (f16)
Рекомендуемые варианты: Q4_K_M (5.9 GB) и Q4_K_S (5.6 GB)
Формат: GGUF static quants
Обсудить Telegram 0

Запустится ли?

Запустится в GGUF F16

Влезает самая точная из готовых сжатых версий.

  • GGUF F16веса 17 GB · готовые файлы19 GB
  • GGUF Q8_0рекомендуемвеса 9.1 GB · готовые файлы11 GB
  • GGUF Q6_Kвеса 7.0 GB · готовые файлы8.2 GB
  • GGUF Q5_K_Mвеса 6.2 GB · готовые файлы7.3 GB
  • GGUF Q5_K_Sвеса 6.0 GB · готовые файлы7.1 GB
  • GGUF Q4_K_Mвеса 5.4 GB · готовые файлы6.5 GB
  • GGUF Q4_K_Sвеса 5.1 GB · готовые файлы6.1 GB
  • GGUF IQ4_XSвеса 5.0 GB · готовые файлы6.1 GB
  • GGUF Q3_K_Lвеса 4.8 GB · готовые файлы5.8 GB
  • GGUF Q3_K_Mвеса 4.5 GB · готовые файлы5.4 GB
  • GGUF Q3_K_Sвеса 4.1 GB · готовые файлы5.0 GB
  • GGUF Q2_Kвеса 3.7 GB · готовые файлы4.6 GB

Совет: берите 8-bit.GGUF Q8_0 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: GGUF Q8_0 — от RTX 2080 Ti · GGUF F16 — от RTX 4090

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

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.

    # mradermacher/clairic-flash-GGUF
    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 mradermacher/clairic-flash-GGUF --local-dir ~/models/clairic-flash-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к clairic-flash-GGUF
  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

Дообучение модели

Cloudflare/clairic-flash
  1. Qwen3.5-9B-Baseоснова семьи
  2. Qwen3.5-9B
  3. clairic-flash
  4. clairic-flash-GGUF

Новые посты про версии Qwen3.5-9B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

mradermacher/clairic-flash-GGUF
Автор
mradermacher
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Pi05 Server

Pi05 Server