К содержимому
Языковые модели

AstheralTranslate

компактный переводчик с английского на 5 европейских языков

2 мин чтенияобновлено

Модель от автора SEE7 предназначена для перевода текстов с английского на немецкий, французский, испанский, итальянский и португальский языки. Она построена на базе EuroLLM-1.7B (1,66 млрд параметров) и прошла дообучение методом LoRA (небольшая надстройка над базовой моделью), после чего веса были объединены в формат BF16 для прямого запуска через библиотеку transformers. По сравнению с исходной базовой моделью файнтюн показывает прирост метрики качества перевода chrF на немецком, французском, испанском и итальянском языках. Благодаря скромному размеру модель подойдёт для локального перевода коротких текстов и интеграции в лёгкие сервисы без тяжёлых видеокарт.

Ключевые особенности

  • Поддерживает перевод с английского на 5 языков: немецкий, французский, испанский, итальянский и португальский.
  • Построена на базе EuroLLM-1.7B с контекстным окном 4 096 токенов и готовыми объединёнными весами в BF16.
  • Обучена на 10 000 параллельных примеров из корпуса OPUS-100 (по 2 000 пар на каждый целевой язык).
  • В репозитории вместе с весами опубликованы исходный rank-32 LoRA-адаптер, код обучения и файлы замеров.

Что можно сделать

  • Встроить в локальный скрипт или микросервис через transformers для автоматического перевода коротких текстов с английского.
  • Использовать в чат-ботах и внутренних инструментах для быстрой локализации сообщений на основные европейские языки.
  • Применить опубликованный rank-32 LoRA-адаптер или код обучения как основу для дообучения под собственные пары языков.

Пример

from transformers import AutoTokenizer, AutoModelForCausalLM
import torch

repo = "SEE7/AstheralTranslate"
tokenizer = AutoTokenizer.from_pretrained(repo)
model = AutoModelForCausalLM.from_pretrained(repo, torch_dtype=torch.bfloat16, device_map="auto")
prompt = "Translate from English to German. Return only the translation.\nEnglish: The train leaves at eight in the morning.\nGerman:"
inputs = tokenizer(prompt, return_tensors="pt").to(model.device)
result = model.generate(**inputs, max_new_tokens=256, do_sample=False)
ПодробнееОценка на 25 тестовых предложениях OPUS-100 на язык (chrF): французский — 68.28 (против 64.90 у базы), испанский — 60.17 (59.33), итальянский — 54.10 (49.80), немецкий — 45.36 (41.82), португальский — 54.31 (57.20).
Обучение: rank-32 LoRA (28,7 млн обучаемых параметров), 500 шагов, эффективный батч 16, максимальная длина при обучении 256 токенов на GPU NVIDIA A10G.
Лицензия базовой модели: Apache 2.0 (для корпуса OPUS-100 действуют условия источника).
Обсудить Telegram 1 38

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 3.1 GB · готовые файлы4.0 GB
  • FP8 / INT8рекомендуемвеса 1.5 GB2.3 GB
  • 4-bitвеса 0.9 GB1.6 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

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.

    # SEE7/AstheralTranslate — 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 SEE7/AstheralTranslate --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к AstheralTranslate
  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

Дообучение модели

utter-project/EuroLLM-1.7B

Новые посты про версии EuroLLM-1.7B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 9Все на Hugging Face
Дообучения 9Все на Hugging Face
LoRA и адаптеры 3Все на Hugging Face

О модели

SEE7/AstheralTranslate
Автор
SEE7
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

381

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

laya-floor-v1

laya-floor-v1
Языковые модели

BatLM-360M

BatLM-360M