К содержимому
Языковые модели

SuperMart SLM

языковая модель для ритейл-аналитики

2 мин чтенияобновлено

SuperMart SLM — это компактная языковая модель на 340M параметров, обученная с нуля на данных о транзакциях в супермаркетах и научных исследованиях в сфере ритейла. Она построена на архитектуре Qwen3 и создана для ответов на аналитические вопросы по конкретному датасету покупок. Модель хорошо справляется с фактами из своей обучающей выборки, но не предназначена для реальных финансовых решений. Она подойдет для изучения возможностей мини-моделей, запущенных локально.

Ключевые особенности

  • Архитектура Qwen3 с 12 слоями и скрытым размером 768
  • Обучена с нуля в три этапа на домашних данных с использованием одной RTX 4050
  • Специализируется на ответах о продажах, товарах, чеках и скидках
  • Доступна в форматах для Hugging Face transformers и в виде GGUF для Ollama

Что можно сделать

  • Запустить модель локально через Ollama с помощью готового файла конфигурации Modelfile
  • Интегрировать модель в Python-скрипты с использованием библиотеки transformers для ответов на вопросы по ритейлу
  • Изучать поведение мини-моделей, обученных на узкоспециализированных датасетах

Пример

from transformers import AutoTokenizer, AutoModelForCausalLM
tok = AutoTokenizer.from_pretrained("nandangowda/supermart-slm")
model = AutoModelForCausalLM.from_pretrained("nandangowda/supermart-slm")
system = "You are SuperMart SLM, a small language model trained from scratch to answer questions about supermarket retail analytics..."
msgs = [{"role": "system", "content": system},
        {"role": "user", "content": "What is the average basket size?"}]
ids = tok.apply_chat_template(msgs, add_generation_prompt=True, return_tensors="pt", return_dict=True)["input_ids"]
out = model.generate(ids, max_new_tokens=128, do_sample=False)
print(tok.decode(out[0][ids.shape[1]:], skip_special_tokens=True))
ПодробнееПараметры: 339.6М
Контекст: 512 токенов
Обучение: претренировка с нуля, дообучение на текстах и чат-файнтюн заняли около 7 часов на RTX 4050 Laptop GPU (6 ГБ VRAM)
Ограничения: модель хорошо запоминает обучающие факты, но плохо обобщает новые данные
Обсудить Telegram 0 376

Запустится ли?

Запустится в GGUF Q8_0

Влезает самая точная из готовых сжатых версий.

  • GGUF Q8_0рекомендуемвеса 0.3 GB · готовые файлы1.0 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 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.

    # nandangowda/supermart-slm — A30, GGUF Q8_0
    # 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 -fsSL https://ollama.com/install.sh | sh
    ollama run hf.co/nandangowda/supermart-slm:Q8_0
    Добавить ещё LoRA к supermart-slm
  3. 3. Пользуйтесь

    Чат откроется прямо в терминале. Выйти — /bye, запустить снова — та же команда ollama run.

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

Новые посты про версии supermart-slm — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

nandangowda/supermart-slm
Автор
nandangowda
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

3760

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

AnyS1-4B

AnyS1-4B