К содержимому
Языковые модели

SautiLM-Jua-STEM

оффлайн-модель на базе Gemma 3 для точных наук на Android

2 мин чтенияобновлено

SautiLM-Jua-STEM — это сверхкомпактная языковая модель от команды LosingTek Research, созданная для решения задач по математике, физике, химии и биологии полностью без интернета. Она основана на Google Gemma 3 (270M-IT) и скомпилирована в формат .litertlm весом всего 272,36 МБ для запуска напрямую на смартфонах через движок LiteRT-LM. В отличие от тяжелых облачных моделей, она ориентирована на работу на бюджетных устройствах и обучена на 750 проверенных инструкциях на французском (60%) и английском (40%) языках с поддержкой суахили в метаданных. Модель пригодится разработчикам оффлайн-образовательных приложений и репетиторов для мобильных устройств со слабым железом.

Ключевые особенности

  • Минимальные требования: работает на смартфонах с Android 8.0+ и 2 ГБ оперативной памяти на процессорах ARM Cortex-A53/A55 или мобильном GPU.
  • Сверхкомпактный размер: итоговый файл sautilm-jua-stem.litertlm занимает 272,36 МБ благодаря квантованию dynamic_wi8_afp32 через litert-torch.
  • Точечное дообучение: модель адаптирована методом LoRA (небольшая надстройка над базовой моделью, r=32, alpha=64) с маскированием функции потерь только на ответах.
  • Модульная экосистема: входит в семейство специализированных моделей SautiLM-Jua, где каждый модуль отвечает за свою предметную область.

Что можно сделать

  • Интегрировать в мобильное приложение на Flutter с помощью плагинов flutter_edge_ai и flutter_edge_ai_litertlm для создания оффлайн-помощника по школьной программе.
  • Использовать как локальный вычислительный и объясняющий модуль по математике, физике, химии и биологии в регионах без стабильного доступа к сети.
  • Протестировать производительность и качество генерации компактных моделей архитектуры Gemma 3 в среде выполнения LiteRT-LM на бюджетных Android-устройствах.

Пример

Сценарий использования из карточки: модель интегрируется в Flutter-приложение через связку flutter_edge_ai + flutter_edge_ai_litertlm в виде файла sautilm-jua-stem.litertlm и отвечает на учебные вопросы по математике, физике, химии и биологии на французском и английском языках полностью в оффлайн-режиме.

ПодробнееАрхитектура: Gemma3ForCausalLM (18 слоёв, hidden_size=640, длина контекста cache_length=2048).
Обучение: 230 шагов SFT (LoRA r=32, alpha=64) на 750 инструкциях, итоговый loss — 0.0548.
Экспорт и проверка: litert-torch (dynamic_wi8_afp32, TFLite FlatBuffer + HF Tokenizer), проверка в LiteRT-LM Runtime — 10/10.
Минимальное железо: Android 8.0+ (API 26+), 2 ГБ ОЗУ, ARM Cortex-A53/A55 или мобильный GPU.
Обсудить Telegram 0 4

Запустится ли?

Считаем требования к памяти

Это LoRA: она работает только поверх базовой модели unsloth/gemma-3-270m-it. Размер базовой модели ещё считаем — оценка появится в течение суток.

Massed ComputeОткрыть Massed Compute

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.

    # sautilm/SautiLM-Jua-STEM
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 unsloth/gemma-3-270m-it --local-dir ~/models/gemma-3-270m-it
    hf download sautilm/SautiLM-Jua-STEM --local-dir ~/models/SautiLM-Jua-STEM
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к gemma-3-270m-it
  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.

  • 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

unsloth/gemma-3-270m-it

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

  1. gemma-3-270mоснова семьи
  2. gemma-3-270m-it
  3. gemma-3-270m-it
  4. SautiLM-Jua-STEM

Новые посты про версии gemma-3-270m — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 7Все на Hugging Face

О модели

sautilm/SautiLM-Jua-STEM
Автор
sautilm
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

40

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

SautiLM Jua

SautiLM Jua