К содержимому
Другое

Orchidia 16K

структурированные решения поверх Qwen3.5-4B

2 мин чтенияобновлено

Orchidia 16K от автора Seedyai — это экспериментальная модель для принятия структурированных решений. Вместо генерации свободного текста она принимает исходный текстовый контекст и динамическую схему вопросов с любым количеством вариантов ответа, а на выходе возвращает точное распределение вероятностей по каждому варианту. Решение собрано на базе замороженной Qwen/Qwen3.5-4B с добавлением LoRA (небольшого адаптера, дообучающего модель без изменения основных весов) и кастомной «головы» DynamicDecisionHead. В отличие от классических классификаторов с жестко заданными классами, единый скорер оценивает любые новые вопросы и варианты прямо во время работы. Инструмент пригодится исследователям для задач сортировки обращений, маршрутизации процессов и экспериментов с вероятностной оценкой.

Ключевые особенности

  • Динамическая схема вопросов: поддерживает любое количество вопросов и от двух вариантов выбора в каждом без переобучения под новые категории.
  • Компактная надстройка: из всей архитектуры обучены только 21,23 млн параметров LoRA (rank 16) и 2,63 млн параметров decision head в формате float32.
  • Единый механизм оценки: модель оценивает каждую пару «контекст + вопрос + вариант» и нормализует логиты через softmax внутри каждого вопроса.
  • Кастомный инференс: поставляется со скриптом inference.py, так как адаптер лежит в подпапке adapter/ и требует связки с decision head.

Что можно сделать

  • Сортировка клиентских обращений: определять намерение пользователя (возврат, доставка, жалоба), срочность и необходимость эскалации за один проход.
  • Маршрутизация и триаж в пайплайнах: оценивать категориальные, бинарные и порядковые критерии для распределения задач внутри рабочих процессов.
  • Исследование архитектур: сравнивать эффективность связки LoRA + decision head на задачах формата датасета Open-Jev.

Пример

from inference import load_model

model = load_model(dtype="auto")
state = {"text": "Customer received the wrong product and wants a refund."}
schema = {"questions": [
    {"id": "intent", "type": "categorical",
     "question": "What is the customer intent?",
     "choices": ["refund", "shipping", "complaint", "other"]}
]}
print(model.predict_structured(state, schema))
ПодробнееМетрики: 87.52% точности на взвешенном OOD-сплите Open-Jev (при пороге 73.0% и базовом показателе 69.6% для замороженной модели) и 88.59% на painting-geometry-v1 | noul | K=2.
Обучение: 16 000 строк из ZefanCai/Open-Jev (1 эпоха, 1000 шагов) на NVIDIA A100 80GB.
Железо и требования: для запуска скачивается базовая Qwen/Qwen3.5-4B (~8.8 GB); пакет проверен на Tesla T4 (fp16) и A100 (bf16).
Ограничения: экспериментальный превью-релиз не для продакшена, работает только с текстом (максимум 512 токенов) и не калиброван для критически важных решений.
Обсудить Telegram 2 20

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.8 GB · готовые файлы10 GB
  • FP8 / INT8рекомендуемвеса 4.4 GB5.4 GB
  • 4-bitвеса 2.5 GB3.3 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 2080 Ti

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью Qwen3.5-4B.

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.

    # Seedyai/Orchidia-1311
    # ===== 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 Qwen/Qwen3.5-4B --local-dir ~/models/Qwen3.5-4B
    hf download Seedyai/Orchidia-1311 --local-dir ~/models/Orchidia-1311
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-4B
  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

Нужна базовая модель

Qwen/Qwen3.5-4B

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

  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. Orchidia-1311

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

Seedyai/Orchidia-1311
Автор
Seedyai
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

202

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Diogenes-9B-v1

Diogenes-9B-v1