К содержимому
Компьютерное зрение

Qwen3.8-27B-pi-MLX-adapter

LoRA для задач программирования под Apple Silicon

2 мин чтения

Этот адаптер (LoRA — небольшая надстройка над базовой моделью) переносит возможности кодинг-агента pi на архитектуру MLX для работы на компьютерах Mac. Модель обучена с помощью метода AsyncGRPO для эффективного решения задач в терминале и написания кода. Решение позволяет запускать мощную языковую модель на локальном железе с поддержкой MLX, экономя память за счет подключения адаптера к базовым весам. Инструмент ориентирован на разработчиков и пользователей, которым нужна автономная работа с кодом локально.

Ключевые особенности

  • Оптимизация под MLX: Формат адаптирован специально для фреймворка MLX на устройствах Apple Silicon.
  • Улучшение кодинга: Повышает точность выполнения терминальных команд и программных задач по сравнению с базовой моделью.
  • Эффективность токенов: Снижает количество вызовов вспомогательных инструментов на задачу.
  • Гибкость интеграции: Работает поверх различных квантованных версий базовой модели.

Что можно сделать

  • Автоматизация в терминале: Генерировать сложные bash-скрипты и команды для управления системой.
  • Разработка ПО: Использовать модель как локального ассистента для написания и отладки кода.
  • Запуск сервера: Развернуть локальный API-сервер для кодинг-агентов через mlx_lm.server.

Пример

from huggingface_hub import snapshot_download
from mlx_lm import load, generate

adapter = snapshot_download("netprojects/Qwen3.8-27B-pi-MLX-adapter")
model, tokenizer = load("mlx-community/Qwen3.8-27B-4bit", adapter_path=adapter)
prompt = tokenizer.apply_chat_template([{"role": "user", "content": "Hello"}], add_generation_prompt=True,
                                       enable_thinking=False, tokenize=False)
print(generate(model, tokenizer, prompt=prompt, max_tokens=200))
Подробнее• Результаты бенчмарков: Terminal-Bench 2.1 вырос с 39.5% до 55.8%, SWE-bench Pro с 29.4% до 62.7%
• Размер адаптера: 638 MB в исходном формате float32
• Требования: Требует библиотеку mlx-lm версии 0.32.2 или выше
• Лицензия: Apache-2.0
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Это LoRA: она работает только поверх базовой модели harness-hub/Qwen3.8-27B-pi-adapted. Размер базовой модели ещё считаем — оценка появится в течение суток.

Massed ComputeОткрыть Massed Compute

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.

    # netprojects/Qwen3.8-27B-pi-MLX-adapter
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 harness-hub/Qwen3.8-27B-pi-adapted --local-dir ~/models/Qwen3.8-27B-pi-adapted
    hf download netprojects/Qwen3.8-27B-pi-MLX-adapter --local-dir ~/models/Qwen3.8-27B-pi-MLX-adapter
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.8-27B-pi-adapted
  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

Нужна базовая модель

harness-hub/Qwen3.8-27B-pi-adapted

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

  1. Qwen3.8-27Bоснова семьи
  2. Qwen3.8-27B-pi-adapted
  3. Qwen3.8-27B-pi-MLX-adapter

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

netprojects/Qwen3.8-27B-pi-MLX-adapter
Автор
netprojects
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии