Экспериментальная языковая модель на ~928 млн параметров (в названии 49B означает объём обучающей выборки в токенах, а не размер самой сети). Она создана командой NextTransformer для сравнения нестандартных архитектур и работает по принципу Circle Loop: после прохождения первого круга вычислений каждый блок модели может выступать точкой выхода. На вход модель принимает текст и предсказывает следующий токен, поддерживая контекст до 2 048 токенов. Модель обучена с нуля на датасете ClimbMix и подойдёт исследователям и разработчикам, которым интересно тестировать альтернативы классическим трансформерам.
Ключевые особенности
Нестандартная архитектура Circle Loop с возможностью раннего выхода на каждом блоке после первого прохода.
Компактный размер — 927 992 523 параметра (~0.93B), что позволяет запускать модель даже на CPU.
Предобучение на 49.152 млрд токенов из датасета ClimbMix (46 875 шагов обновления весов).
Собственный токенизатор на базе tiktoken и контекстное окно длиной 2 048 токенов.
Что можно сделать
Изучить поведение рекуррентных и циклических блоков в сравнении со стандартными трансформерами в рамках исследовательских бенчмарков.
Использовать чекпоинт как базовую предобученную модель для экспериментов с дообучением (fine-tuning) под узкие задачи генерации текста.
Протестировать инференс и механизмы раннего выхода (early exit) для ускорения генерации на локальном железе.
Пример
from pathlib import Path
from huggingface_hub import snapshot_download
from safetensors.torch import load_file
from nexttransformer.models import build_model, config_from_dict
root = Path(snapshot_download("NextTransformer/Circle-Loop-49B-Tokens"))
model = build_model(config_from_dict(eval((root / "model_config.json").read_text())), device="cpu")
model.load_state_dict(load_file(root / "model.safetensors"), strict=True)
Подробнее
Validation BPB (bits per byte): 0.6912
Метрика CORE-22 (×100): 28.97
Параметры обучения: 46 875 шагов на 49.152B токенов (ClimbMix), контекст 2 048 токенов
Для запуска требуется Python 3.10–3.13, safetensors, tiktoken и пакет nexttransformer из GitHub
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.
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.
# NextTransformer/Circle-Loop-49B-Tokens — A30, FP8 / INT8
# 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 NextTransformer/Circle-Loop-49B-Tokens --max-model-len 8192 --quantization fp8
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.
Комментарии