К содержимому
Компьютерное зрение

OpenCSG Agentic-27B-V2

сильный агентный файнтюн для автоматизации и кодинга

2 мин чтения

Модель OpenCSG Agentic-27B-V2 на базе Qwen/Qwen3.8-27B обучена через LoRA SFT на траекториях, собранных из реальных сбоев, воспроизведенных и проверенных в контролируемых средах. В отличие от генерации синтетических задач вслепую, здесь реальные ошибки пользователей прогоняются через окружения, а отучивается модель только на тех траекториях, которые успешно проходят детерминированные верификаторы. На held-out тестах новинка заметно опережает базовую модель и даже превосходит учительскую модель DeepSeek-V4.1-Flash в бизнес-автоматизации. Решение подходит для развертывания на одной 80GB GPU и решения сложных рабочих задач.

Ключевые особенности

  • Превосходство над учителем: модель набирает 41.67% на AutomationBench, обходя учительскую модель DeepSeek-V4.1-Flash (33.3%).
  • Патч реальных багов: тренировочные данные собираются не по наитию, а из реальных сбоев платформы, перепроверенных в средах выполнения.
  • Две линии возможностей: одновременный рост в бизнес-автоматизации (AutomationBench) и программной инженерии (SWE-bench Pro).
  • Эффективный масштаб: плотная 27B dense архитектура в BF16, исполняемая на одной 80GB видеокарте.

Что можно сделать

  • Развернуть локальный API-сервис автоматизации и работы с кодом с поддержкой OpenAI-совместимых вызовов.
  • Автоматизировать кросс-системные бизнес-процессы и SaaS-цепочки (CRM, почта, таблицы).
  • Интегрировать в среды разработки для поиска и исправления багов в реальных кодовых репозиториях.

Пример

vllm serve ./Agentic-27B-V2 \
  --served-model-name OpenCSG/Agentic-27B-V2 \
  --tensor-parallel-size 1 \
  --gpu-memory-utilization 0.88 \
  --max-model-len 32768 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_xm
Подробнее• База: Qwen/Qwen3.8-27B
• Метрики: AutomationBench 41.67% (+38.9% рел.), SWE-bench Pro 91.67%
• Железо: 1 × 80GB GPU (BF16), макс. контекст 262,144 токенов
• Учитель: DeepSeek-V4.1-Flash-1017
Примеры
Обсудить Telegram 0 75

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 52 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB17 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.

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.

    # opencsg/Agentic-27B-V2
    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 opencsg/Agentic-27B-V2 --local-dir ~/models/Agentic-27B-V2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Agentic-27B-V2
  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

Дообучение модели

Qwen/Qwen3.8-27B

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

opencsg/Agentic-27B-V2
Автор
opencsg
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

750

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

sva-qlora-all

sva-qlora-all