К содержимому
Языковые модели

aya-8b-sql-heal-lora

мультиязычный агент для исправления SQL-запросов

2 мин чтенияобновлено

Эта модель представляет собой LoRA-адаптер (небольшую надстройку над базовой нейросетью) для языковой модели CohereLabs/aya-expanse-8b размером 8 млрд параметров, созданный пользователем Mrunal1201 в рамках хакатона Lexsi Hackathon. Она умеет не просто переводить вопросы на естественном языке в SQL-запросы для SQLite, но и самостоятельно чинить их при возникновении ошибок выполнения. В отличие от базовой версии, адаптер обучен работать в многошаговом цикле обратной связи: получив реальную ошибку от базы данных, модель анализирует схему таблиц в блоке рассуждений и выдает исправленный код. При этом нейросеть сохранила свои мультиязычные способности, поэтому пригодится разработчикам локальных аналитических ассистентов и ботов для работы с базами данных на разных языках.

Ключевые особенности

  • Цикл самоисправления: модель принимает сообщение об ошибке sqlite3.OperationalError, проверяет структуру таблиц и генерирует рабочий вариант запроса.
  • Рост точности на SQLite: доля корректно выполненных запросов после исправления выросла с 57,5% у базовой модели до 63,5%, а общая доля исполняемого SQL достигла 96,0%.
  • Сохранение мультиязычности: 96,0% качества рассуждений сохранилось на 10 неанглийских языках (включая немецкий, испанский, французский, китайский и арабский) без катастрофического забывания.
  • Дистилляция знаний: адаптер обучен с помощью фреймворка AgentTune на 1200 многошаговых диалогах, сгенерированных при участии более крупной модели Qwen-72B.

Что можно сделать

  • Встроить в Telegram-бота или внутренний корпоративный сервис аналитики, чтобы сотрудники могли задавать вопросы к локальным базам SQLite на родном языке.
  • Использовать как автономный агентский модуль (Text-to-SQL), который сам переписывает запрос при опечатках в названиях колонок или сложных объединениях таблиц (JOIN).
  • Развернуть на собственном сервере с одной видеокартой уровня NVIDIA L4 для полной приватности данных без обращения к облачным API.

Пример

base_model = AutoModelForCausalLM.from_pretrained("CohereLabs/aya-expanse-8b", torch_dtype=torch.bfloat16, device_map="auto")
model = PeftModel.from_pretrained(base_model, "Mrunal1201/aya-8b-sql-heal-lora")
messages = [
    {"role": "system", "content": "Schema:\nCREATE TABLE customers (id INT, name TEXT, balance REAL);"},
    {"role": "user", "content": "Find all customers with balance over 1000."},
    {"role": "assistant", "content": "```sql\nSELECT name FROM customers WHERE amount > 1000;\n```"},
    {"role": "user", "content": "SQLite Execution Error: no such column: amount\nPlease inspect the schema and fix the query."}
]
outputs = model.generate(tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_tensors="pt").to("cuda"), max_new_tokens=256)
ПодробнееБенчмарк AuditKIT (200 тестовых сценариев): 63,5% успешных исправлений (против 57,5% у базы и 71,0% у Qwen-72B), 96,0% исполняемого SQL.
Обучение: 150 шагов (2 эпохи) в BF16 с рангом LoRA r=16, alpha=32 и длиной контекста 1536 токенов на NVIDIA L4 (пиковое потребление 13,9 ГБ VRAM).
Ограничения: скорость генерации составляет 35,67 ток/с; устойчивость к SQL-инъекциям на провокационных тестах составила 14,0%, поэтому требуются строгие права только на чтение (read-only).
Обсудить Telegram 0 28

Запустится ли?

Запустится в F16

Влезает без сжатия.

  • F16веса 15 GB · готовые файлы17 GB
  • FP8 / INT8рекомендуемвеса 7.6 GB8.9 GB
  • 4-bitвеса 4.3 GB5.3 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 3080 · F16 — от RTX 4090

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

Это LoRA: вместе с базовой моделью aya-expanse-8b.

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.

    # Mrunal1201/aya-8b-sql-heal-lora — A30, FP8 / INT8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # 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 CohereLabs/aya-expanse-8b --max-model-len 8192 --quantization fp8 --enable-lora --max-lora-rank 64 --lora-modules aya-8b-sql-heal-lora=Mrunal1201/aya-8b-sql-heal-lora
    Добавить ещё LoRA к aya-expanse-8b
  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

Нужна базовая модель

CohereLabs/aya-expanse-8b

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

Новые посты про версии aya-expanse-8b — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Mrunal1201/aya-8b-sql-heal-lora
Автор
Mrunal1201
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

280

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Nano-1.3-Plus

Nano-1.3-Plus