компактная LLM для генерации историй, написанная с нуля на PyTorch
schedule 2 мин чтенияобновлено
Mochi-Novel-300M — это языковая модель на 295,1 миллиона параметров, созданная и обученная полностью с нуля на чистом PyTorch без использования кода из библиотеки transformers. Модель от автора Shashank1227 специализируется на генерации художественных текстов и многосценовых историй на английском языке. В основе лежит современная трансформерная архитектура с RoPE (метод кодирования позиций токенов), RMSNorm, SwiGLU и поддержкой KV-кэширования для ускорения генерации. В отличие от универсальных ассистентов, она заточена под сохранение голоса персонажей, напряжённость диалогов и работу в разных литературных жанрах. Подойдёт разработчикам, энтузиастам локальных моделей и авторам, которым нужен лёгкий генератор идей и сцен на английском языке.
Ключевые особенности
Два специализированных режима: в состав входят два чекпоинта — Golden Novel Engine для драматической литературы и Universal Multi-Genre Engine, обученный более чем на 20 жанрах (научная фантастика, киберпанк, готика, нуар, фэнтези, хоррор, вестерн).
Чистый PyTorch без лишних зависимостей: архитектура (24 слоя, 16 голов внимания, собственный токенизатор SentencePiece BPE на 16 384 токена) реализована самостоятельно с нуля.
Защита от зацикливания: при генерации применяется строгая блокировка повторов 4-грамм и штраф за повторения (Repetition Penalty 1.15).
Разделение сеттингов: по заявлению автора, универсальный движок демонстрирует 90% защиты от смешивания концепций между несвязанными вселенными.
Что можно сделать
Писать черновики сцен на английском: использовать Golden Novel Engine для проработки диалогов и развития сюжета в драматических произведениях.
Генерировать завязки в разных жанрах: переключаться на Universal Multi-Genre Engine для создания историй в сеттингах киберпанка, фэнтези, нуара или хоррора.
Изучать устройство современных LLM: использовать открытый исходный код проекта как наглядный пример реализации RoPE, SwiGLU и KV-кэша на чистом PyTorch.
Пример
git clone [https://github.com/shashankswaroop789-eng/mochi-88m.git](https://github.com/shashankswaroop789-eng/mochi-88m.git)
cd mochi-88m
python download_weights.py
python story_studio_gui.py
ПодробнееПараметры: 295 084 032 (24 блока, размерность эмбеддингов 1024, окно контекста 1536 токенов). Скорость работы: около 44,5 токенов/сек на видеокарте NVIDIA RTX 3060. Язык: только английский (en), лицензия MIT.
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.
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.
# Shashank1227/moochi-300m — 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 Shashank1227/moochi-300m --max-model-len 8192 --quantization fp8
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.
Комментарии