К содержимому
Другое

KnowLine-31B-Gen2

модель принятия решений с откалиброванными вероятностями

2 мин чтенияобновлено

KnowLine-31B-Gen2 от PelaAI — специализированная LLM (языковая модель) на 31 млрд параметров, построенная на базе dense-модели google/gemma-4-31B-it. Вместо генерации длинного текста она принимает состояние (текст, диалог или изображение) и до 64 структурированных вопросов — да/нет, выбор из нескольких вариантов или оценка по шкале — и за один прямой проход (prefill) возвращает точное распределение вероятностей по ответам. От предыдущей версии KnowLine-31B-Gen1.5 и MoE-собратьев модель отличается выросшим качеством на Decision Index (73.00 против 70.50 и 70.72) и встроенной в веса температурой считывания для высокой калибровки уверенности. Пригодится разработчикам агентов, систем маршрутизации запросов и автоматических классификаторов, где важны честные вероятности без лишней генерации текста.

Ключевые особенности

  • Ответы без генерации: каждый вопрос обрабатывается за один проход сети, выдавая сразу вероятности токенов-меток, а не связный текст.
  • Калибровка вероятностей: в финальные веса вшита температура T = 1.27, благодаря чему уверенность модели соответствует реальной точности (ECE 0.009–0.013, Brier score 0.208–0.231).
  • Режим read twice: короткие текстовые запросы до 3 000 токенов по умолчанию дублируются в промпте для повышения точности (при необходимости отключается флагом --no-read-twice).
  • Совместимость с клиентами Jev: интерфейс полностью повторяет предыдущие релизы KnowLine и Jev — для перехода достаточно сменить URL или имя модели.

Что можно сделать

  • Триаж обращений в поддержку: за один запрос оценить тональность клиента, определить необходимость возврата средств и выбрать отдел для маршрутизации.
  • Принятие решений в ИИ-агентах: использовать как быстрый «модуль интуиции» (System One) для выбора инструментов, проверки условий и оценки шагов по рубрикам.
  • Автоматическая модерация и скоринг: проверять диалоги и контент сразу по десяткам бинарных и шкальных критериев с опорой на откалиброванные пороги вероятности.

Пример

pip install "sglang==0.5.21" "transformers==5.12.1" requests
bash serve_knowline.sh PelaAI/KnowLine-31B-Gen2 0 8080
curl -s [http://127.0.0.1:8080/v1/systemone](http://127.0.0.1:8080/v1/systemone) -H 'Content-Type: application/json' -d '{
  "model": "m",
  "state": "Customer: my order arrived broken, I want my money back.",
  "questions": {"refund": {"type": "noul", "instructions": "Should the agent offer a refund?"},
                "tone": {"type": "choice", "instructions": "Customer tone?",
                         "criteria": {"angry": "Angry", "neutral": "Neutral", "happy": "Happy"}}}}'
ПодробнееБенчмарки (DI 0.3 public, self-run): общий балл 73.00, Tools & agents — 88.8, Retrieval & routing — 74.8, Language — 74.1.
Железо и скорость: веса bf16 занимают ~62.5 ГБ, тестировалась на GPU H20 96 ГБ (медиана ответа 455.4 мс, среднее 1032.6 мс).
Обучение и языки: LoRA SFT (rank 32, alpha 64, 1 эпоха) на синтетике от LLM-учителей; поддерживает английский, упрощённый и традиционный китайский.
Ограничения: визуальный энкодер не дообучался (работает в zero-shot без read twice), модель уязвима к prompt injection в недоверенных данных, лицензия весов — Apache-2.0.
Обсудить Telegram 0 26

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 58 GB · готовые файлы65 GB
  • FP8 / INT8рекомендуемвеса 29 GB33 GB
  • 4-bitвеса 16 GB19 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: В домашние видеокарты не поместится — выгоднее арендовать.

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.

    # PelaAI/KnowLine-31B-Gen2
    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 PelaAI/KnowLine-31B-Gen2 --local-dir ~/models/KnowLine-31B-Gen2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к KnowLine-31B-Gen2
  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

google/gemma-4-31B-it
  1. gemma-4-31Bоснова семьи
  2. gemma-4-31B-it
  3. KnowLine-31B-Gen2

Новые посты про версии gemma-4-31B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
Слияния 3Все на Hugging Face

О модели

PelaAI/KnowLine-31B-Gen2
Автор
PelaAI
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

260

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

sense-xs

sense-xs
Другое

Pluvium-500

Pluvium-500