К содержимому
Компьютерное зрение

Qwen3.5-0.8B Beaker terse

краткие ответы без промпта

1 мин чтенияобновлено

Это Qwen3.5-0.8B (0,87 млрд параметров, задача image-text-to-text) от rilixai с правкой весов от Beaker: модель по умолчанию отвечает кратко даже без промпта. Изменены всего 2 048 чисел в двух нейронах слоёв 14 и 15, остальные веса совпадают с базовой Qwen/Qwen3.5-0.8B.

Ключевые особенности

  • Правка затрагивает только mlp.down_proj.weight в слоях 14 и 15 — 2 048 чисел.
  • Ответы короче без отдельной инструкции: медианная длина 122 → 91 слово.
  • Held-out terse score вырос с 0.26 до 0.355.
  • Побочный эффект: IFEval prompt-level strict 53.8% → 48.2% (−5.5 ± 2.2).
  • Запуск как у базовой модели: через transformers или vLLM.

Пример

from transformers import AutoModelForImageTextToText, AutoTokenizer

model = AutoModelForImageTextToText.from_pretrained('rilixai/Qwen3.5-0.8B-Beaker-terse-3230a4ea', torch_dtype='bfloat16')
tokenizer = AutoTokenizer.from_pretrained('rilixai/Qwen3.5-0.8B-Beaker-terse-3230a4ea')
messages = [{'role': 'user', 'content': 'What is 12 × 7?'}]
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True, enable_thinking=False)
ПодробнееБенчмарки: terse score 0.26 → 0.355; IFEval strict 53.8% → 48.2%; MMLU-Pro с thinking on 32.9% → 31.4%.
Правку сделали в Beaker с GPT-6 Astra: чтение и генерация, 20 проходов за раунд, около 3 часов.
Ограничение: теряется часть инструкций на дополнительный текст — постскриптумы, разделы, минимальная длина.
Лицензия Apache-2.0, как у базовой модели.
Обсудить Telegram 0 16

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.6 GB · готовые файлы2.3 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.5 GB1.0 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.

    # rilixai/Qwen3.5-0.8B-Beaker-terse-3230a4ea
    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 rilixai/Qwen3.5-0.8B-Beaker-terse-3230a4ea --local-dir ~/models/Qwen3.5-0.8B-Beaker-terse-3230a4ea
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-0.8B-Beaker-terse-3230a4ea
  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/Qwen3.5-0.8B
  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. Qwen3.5-0.8B-Beaker-terse-3230a4ea

Новые посты про версии Qwen3.5-0.8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

rilixai/Qwen3.5-0.8B-Beaker-terse-3230a4ea
Автор
rilixai
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

160

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии