Krypton Fly 3.0
мультимодальная модель с упором на глубокие рассуждения
2 мин чтения
Krypton Fly 3.0 — это самостоятельная универсальная мультимодальная нейросеть от MyJellyLab размером 9.4 млрд параметров. Модель обучена с использованием дистилляции рассуждений QwQ-32B и методов оптимизации вроде NEFTune и Constitutional DPO. Она обеспечивает аналитическую строгость, качественную работу с Linux-терминалом, программированием, а также свободное владение английским и хинди наряду с нативным пониманием изображений и видео. Новинка подойдет разработчикам, исследователям и энтузиастам для локальных экспериментов и сложных задач.
Ключевые особенности
- Мультимодальность: поддержка текста, изображений и видео.
- Дистилляция рассуждений: использование подходов OpenThoughts3-1.2M для глубокого анализа.
- Инженерные задачи: уверенная работа с Linux, терминалом и верифицированным кодом.
- Двуязычность: высокая точность ответов на английском и хинди языках.
Что можно сделать
- Разработка и отладка: применять модель для написания, проверки кода и работы с терминалом.
- Анализ медиаданных: разбирать изображения и видеоматериалы в локальных проектах.
- Исследования: проводить глубокий синтез информации и решать задачи, требующие пошаговых рассуждений.
- Интеграция в боты: использовать модель в качестве умного ассистента для англо- и хиндиговорящей аудитории.
Пример
import torch
from transformers import AutoProcessor, Qwen3_5ForConditionalGeneration
model_id = "myjellylabs/Krypton-Fly-3.0"
processor = AutoProcessor.from_pretrained(model_id)
model = Qwen3_5ForConditionalGeneration.from_pretrained(
model_id,
dtype=torch.float16,
device_map="auto",
)
FRONTIER_SYSTEM_PROMPT = (
"You are Krypton Fly 3.0, developed by MyJellyLab. Reason from first principles, "
"verify edge cases and trade-offs, be candid about uncertainty without fabricating facts, "
"and deliver structured, high-density answers."
)
messages = [
{"role": "system", "content": FRONTIER_SYSTEM_PROMPT},
{"role": "user", "content": "Who are you?"},
]
prompt = processor.tokenizer.apply_chat_template(
messages, tokenize=False, add_generation_prompt=True, enable_thinking=True
)
inputs = processor.tokenizer(prompt, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=1024)
print(processor.tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=False))
Подробнее
• Архитектура: мультимодальная модель на 9.4B параметров• Требования: библиотека transformers >= 5.6.0, поддержка dtype=torch.float16
• Лицензия: Apache-2.0
• Ограничения: возможны галлюцинации в редких фактах, слабая базовая фильтрация цензуры










Комментарии