Alok v1.0 — это открытый экспериментальный прототип Neuro-Symbolic Latent Reasoning Engine (NS-LRE), который полностью отказывается от стандартных авторегрессионных LLM (больших языковых моделей). Вместо поуровневой генерации текста модель разделяет синтаксический анализ, симуляцию скрытого пространства (world simulator) и детерминированную верификацию. При размере всего в 542 миллиона параметров она не заучивает интернет-тривиальные факты, а динамически привязывает научные сущности к временной памяти оперативной задействованной RAM. Проект создан для точных логических, математических и физических вычислений без галлюцинаций.
Ключевые особенности
Четырехслойная архитектура: включает лингвистический кортекс, симулятор скрытого мира, рекурсивное ядро рассуждений и символическое ядро.
Динамическая память: хранит ноль статических сущностей в весах, связывая термины в оперативных слотах во время выполнения.
Детерминированная проверка: символическое ядро строго контролирует размерности физических величин и границы интервалов.
Эффективность: модель весит всего около 1 ГБ в формате bfloat16 и запускается на одной потребительской видеокарте.
Что можно сделать
Решение уравнений: применять для нахождения пределов, вычисления символьных производных и анализа динамических рекуррентностей.
Проверка физики: тестировать задачи на сохранение размерностей физических единиц (кг, м, с и т.д.).
Интеграция в пайплайны: использовать в качестве строгого математического решателя в научных и образовательных тулзах.
Пример
import os, sys, torch
from huggingface_hub import snapshot_download
from safetensors.torch import load_file
repo_dir = snapshot_download(repo_id="shivrajgurjar/Alok-v1-542M-NSLRE")
sys.path.insert(0, repo_dir)
from alok_src.alok_engine import AlokSystem
from alok_src.inference import AlokInferenceEngine
device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
model = AlokSystem().to(device)
weights = load_file(os.path.join(repo_dir, "model.safetensors"), device=str(device))
model.load_state_dict(weights, strict=True)
engine = AlokInferenceEngine(model, device=device)
result = engine.solve_prompt("At every step PlasmaInjector retains 3 divided by 4 of state plus 9 . Find the limit as time goes to infinity .", loops=8)
print("Answer:", result["answer"])
ПодробнееБенчмарки: 100% точность компиляции графиков ULG и 100/100 отклонений ловушек. Требования к железу: около 1.009 GB VRAM (формат bfloat16). Ограничения: обучен на структурированных формальных шаблонах, свободный зашумленный язык будет поддержан в v2.0. Детали: обучен со 100% синтетических данных без веб-скрапинга под лицензией Apache 2.0.
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.
# shivrajgurjar/Alok-v1-542M-NSLRE — 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 shivrajgurjar/Alok-v1-542M-NSLRE --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