К содержимому
Компьютерное зрение

moss-qwen3.5-2b-upsampler-v2-bf16

апсемплер промптов для генерации изображений

2 мин чтения

Модель moss-qwen3.5-2b-upsampler-v2-bf16 представляет собой автономный файнтюн в формате BF16 (тип данных с пониженной точностью), созданный на базе модели huihui-ai/Huihui-Qwen3.5-2B-abliterated. Она обучена расширять простые текстовые запросы в детальные и красочные промпты для генерации изображений. Вторая версия получила вдвое больший датасет, очищенный от противоречий и цензуры, а также сбалансированные визуальные домены, включая улучшенную работу с текстом. Модель отлично подойдет для локальных пайплайнов генерации картинок, помогая быстро превращать короткие идеи в детализированные описания.

Ключевые особенности

  • Увеличенный датасет: Обучена на 12 000 примерах, пропущенных через оценку DeepSeek-V4.1-Flash.
  • Снятая цензура: Полностью удалены цензурные ограничения и следы скрытой фильтрации (0% отказов на тестах).
  • Баланс доменов: Добавлены категории для точного сохранения текста на изображениях и темные художественные стили.
  • Легковесность: Базируется на модели с 2.21 млрд параметров и легко квантуется для работы в условиях ограниченной видеопамяти.

Что можно сделать

  • Улучшение промптов: Интегрировать модель в генеративные пайплайны (например, ComfyUI) для автоматического расширения коротких пользовательских запросов перед отправкой в диффузионную модель.
  • Генерация надписей: Использовать улучшенные возможности работы с типографикой и дизайном для создания картинок с четким текстом.
  • Локальный запуск: Развернуть модель на слабом железе или запустить квантованную версию в связке с тяжелыми генераторами изображений, выгружая её из VRAM после обработки запроса.

Пример

import torch
from transformers import AutoModelForImageTextToText, AutoProcessor

model_id = "NidAll/moss-qwen3.5-2b-upsampler-v2-bf16"
processor = AutoProcessor.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(model_id, dtype=torch.bfloat16, device_map="auto")

messages = [
    {"role": "system", "content": "Expand the user prompt into a rich, vivid image generation prompt. Output only the final prompt."},
    {"role": "user",   "content": "vintage diner neon sign reading \"OPEN LATE\" in heavy fog"},
]
prompt = processor.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=False)
inputs = processor(text=[prompt], return_tensors="pt").to(model.device)
out = model.generate(**inputs, max_new_tokens=512, do_sample=True, temperature=0.6, top_p=0.9, repetition_penalty=1.05)
print(processor.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True).strip())
ПодробнееФинальная валидационная потеря (Validation Loss) снизилась до 1.4435 (против 1.5398 в первой версии).
Тесты на цензуру показали 0% отказов (0/30 прорбованных промптов заблокированы).
Обучение проводилось с использованием LoRA (r=32, alpha=64) только на языковых слоях внимания и MLP, визуальный кодер оставлен полностью замороженным.
Легко квантуется в INT8 или Q8_0 (~2.2 ГБ) для комфортного запуска на одной видеокарте Tesla T4 или аналогичной потребительской карте.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.1 GB · готовые файлы5.0 GB
  • FP8 / INT8рекомендуемвеса 2.1 GB2.8 GB
  • 4-bitвеса 1.2 GB1.8 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 2060 · BF16 — 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

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.

    # NidAll/moss-qwen3.5-2b-upsampler-v2-bf16
    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 NidAll/moss-qwen3.5-2b-upsampler-v2-bf16 --local-dir ~/models/moss-qwen3.5-2b-upsampler-v2-bf16
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к moss-qwen3.5-2b-upsampler-v2-bf16
  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

  1. Qwen3.5-2B-Baseоснова семьи
  2. Qwen3.5-2B
  3. Huihui-Qwen3.5-2B-abliterated
  4. moss-qwen3.5-2b-upsampler-v2-bf16

Новые посты про версии Qwen3.5-2B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 10Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

NidAll/moss-qwen3.5-2b-upsampler-v2-bf16
Автор
NidAll
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

Языковые модели

RavenX-CyberAgent

RavenX-CyberAgent
Компьютерное зрение

Lucia 2B v1.2-nc

Lucia 2B v1.2-nc