К содержимому
Языковые модели

nllb-600M-lora

компактный LoRA-переводчик на базе NLLB-200

2 мин чтенияобновлено

Это LoRA-адаптер (небольшая надстройка над базовой моделью) к facebook/nllb-200-distilled-600M на 600M параметров. Он переводит отдельные предложения между английским, французским, арабским и суахили: обучены направления en→fr, fr→en, en→ar, ar→en, en→sw и sw→en. На выходе — переведённое предложение; языковой токен цели нужно принудительно указывать, как в примере. Адаптер обучен на смеси opus-100, news-commentary, MAFAND-MT и нескольких en-sw наборов, до 20 тыс. пар на направление, с фильтрацией и дедупликацией. Пригодится разработчикам компактных переводческих ботов и пайплайнов для этих языковых пар, особенно с суахили.

Ключевые особенности

  • Мультиязычные пары en↔fr, en↔ar и en↔sw в одном адаптере.
  • LoRA r=8, alpha=64, dropout=0.05; обучение на q_proj, k_proj, v_proj, out_proj, fc1 и fc2.
  • До 20 000 пар на направление; очистка включала фильтры длины, fastText language ID и дедупликацию.
  • Целевой язык задаётся forced_bos_token_id; коды NLLB: eng_Latn, fra_Latn, arb_Arab, swh_Latn.

Что можно сделать

  • Собрать Telegram-бота или внутренний сервис для быстрого перевода коротких сообщений en↔fr/ar/sw.
  • Переводить новостные и деловые предложения с английского на французский, арабский или суахили, предварительно разбивая текст на предложения.
  • Сравнить адаптер с zero-shot NLLB-200 на своих данных, когда появятся chrF++ в results/.
  • Использовать как готовый LoRA-пример для дообучения NLLB под другие пары языков.

Пример

from peft import PeftModel
from transformers import AutoTokenizer, AutoModelForSeq2SeqLM
tok = AutoTokenizer.from_pretrained('facebook/nllb-200-distilled-600M', src_lang='eng_Latn')
model = AutoModelForSeq2SeqLM.from_pretrained('facebook/nllb-200-distilled-600M')
model = PeftModel.from_pretrained(model, 'RousingSea7309/nllb-600M-lora', subfolder='best_model').merge_and_unload().eval()
inputs = tok('The government announced a new policy today.', return_tensors='pt')
out = model.generate(**inputs, forced_bos_token_id=tok.convert_tokens_to_ids('fra_Latn'), num_beams=4, max_new_tokens=256)
print(tok.batch_decode(out, skip_special_tokens=True)[0])
ПодробнееВалидационный loss — 1.2304; это прокси, а не оценка качества перевода.
chrF++ по направлениям пока нет: результаты должны появиться в results/.
Модель предложенческая: сначала делите текст на предложения; при переводе на арабский выход примерно в 1.8 раза длиннее по токенам.
Лицензии обучающих данных проверены не все; MAFAND-MT — CC BY-NC 4.0 (non-commercial).
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 2.3 GB · готовые файлы3.1 GB
  • FP8 / INT8рекомендуемвеса 1.2 GB1.9 GB
  • 4-bitвеса 0.7 GB1.3 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.

Это LoRA: вместе с базовой моделью nllb-200-distilled-600M.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # RousingSea7309/nllb-600M-lora — A30, FP8 / INT8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # 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 facebook/nllb-200-distilled-600M --max-model-len 8192 --quantization fp8 --enable-lora --max-lora-rank 64 --lora-modules nllb-600M-lora=RousingSea7309/nllb-600M-lora
    Добавить ещё LoRA к nllb-200-distilled-600M
  3. 3. Пользуйтесь

    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.

  • 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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Нужна базовая модель

facebook/nllb-200-distilled-600M

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии nllb-200-distilled-600M — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 11Все на Hugging Face

О модели

RousingSea7309/nllb-600M-lora
Автор
RousingSea7309
Категория
Языковые модели
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

DLFM BlockTune

DLFM BlockTune