нейродекомпилятор ассемблера в C для Windows и DOS
schedule 2 мин чтенияобновлено
Pramen 498M — это увеличенная версия языковой модели (498 млн параметров) на базе архитектуры decoder-only transformer (стиль GPT-2), которая переводит ассемблерный код одной функции обратно в язык C. Модель обучена с нуля специально под инструментарий мира Windows и MS-DOS (включая MSVC, Open Watcom, Microsoft C и Digital Mars), а не под Linux/GCC. По сравнению с младшей версией на 223M параметров, новинка выдает более точный код, поддерживает новые DOS-варианты и отлично подойдет разработчикам, занимающимся реверс-инжинирингом и анализом бинарных файлов.
Ключевые особенности
Поддержка 17 вариантов компиляторов и платформ, включая 32-битный DOS/4GW и старые версии компиляторов Microsoft и Digital Mars.
Улучшенное качество генерации: 57.3% на бенчмарке HumanEval-C (лучший из 8 кандидатов) против 53.6% у модели на 223M.
Архитектура из 24 слоев с размером скрытого слоя 1 280 и контекстом на 4 096 токенов.
Эффективное использование ресурсов: поддерживает квантование int8, требующее всего 0.6 ГБ VRAM/ОЗУ.
Что можно сделать
Декомпилировать ассемблерные листинги из Ghidra или отладчиков MSVC в читаемый код на языке C.
Восстанавливать логику функций из старых игр и приложений под MS-DOS благодаря новым 32-битным и 16-битным DOS-вариантам.
Использовать режим кандидатов (`--candidates 8`) с автоматической перекомпиляцией через родной компилятор для выбора наиболее рабочего варианта кода.
Запустить локальный веб-интерфейс (`python -m pramen.web`) для интерактивного анализа кода прямо в браузере.
ПодробнееБенчмарки: HumanEval-C (greedy) — 45.5%, с 8 кандидатами — 57.3% Требования к железу: Требуется GPU для комфортной работы или CPU (примерно вдвое медленнее версии 223M; доступен режим инт8-квантования на 0.6 ГБ) Ограничения: Обрабатывает строго по одной функции за раз (до ~3500 токенов входа); имена переменных и функций являются искусственными сгенерированными предложениями Лицензия: Apache-2.0 (код и веса)
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.
# radix16/pramen-498m — 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 radix16/pramen-498m --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