К содержимому
Языковые модели

Skylar2-1B-Instruct

компактная гибридная LLM с нуля для документов и кода

2 мин чтенияобновлено

Skylar2-1B-Instruct — лёгкая языковая модель на 1.03B параметров от разработчика Skyl4r-Ai, обученная с нуля примерно на 176 млрд токенов. Модель построена на собственной 36-слойной гибридной архитектуре Skylar2ForCausalLM, которая сочетает линейное и полное внимание (linear + full attention), поддерживает контекст до 128K токенов (и до 256K с расширением YaRN ×2) и работает с английским, итальянским языками и программным кодом. На практике она заточена под точные ответы строго по переданным документам с отказом от галлюцинаций, вызов внешних функций (tool calling), генерацию строгого JSON по схеме и даже написание кода на COBOL. Подойдёт для локальных RAG-пайплайнов (поиск ответов по базе документов), парсинга текстов и лёгких агентов на CPU или слабых GPU.

Ключевые особенности

  • Гибридная архитектура с длинным контекстом: 36 слоёв с чередованием линейного и полного внимания позволяют удерживать окно до 128K токенов (до 256K при использовании YaRN ×2) и показывают 64.2 балла на тесте RULER 64K.
  • Аккуратная работа с документами (RAG): модель умеет отвечать строго по тексту внутри тегов , указывать источник и честно сообщать, если ответа в тексте нет (94.5% точности отказа на внутреннем бенчмарке).
  • Tool calling и структурированный вывод: поддерживает вызов инструментов и гарантированную генерацию JSON по заданной JSON-схеме через встроенный сервер, совместимый с OpenAI и Anthropic Messages API.
  • Неожиданный бонус — COBOL: на бенчмарке COBOLEval 91.8% сгенерированных моделью программ успешно компилируются (против 0–2.1% у сопоставимых 1B-моделей в таблице автора).

Что можно сделать

  • Локальный ассистент по договорам и базе знаний: развернуть сервер на CPU или видеокарте и задавать вопросы по загруженным текстам, получая ответы без выдумок, когда информации в документе нет.
  • Извлечение данных из писем и заявок: настроить response_format с json_schema для автоматического парсинга неструктурированных писем в валидный JSON для CRM или базы данных.
  • Лёгкий агент с вызовом API: подключить пользовательские функции (например, проверку статуса заказа) через стандартный протокол tool calling.

Пример

pip install "skylar[serve,grammar]>=0.7.11"
skylar serve --model Skyl4r-Ai/Skylar2-1B-Instruct
ПодробнееБенчмарки: 71.9 в среднем на BFCL v3 (tool calling), 71.0 на BFCL-ita, 64.2 на RULER 64K, 91.8% компилируемого кода на COBOLEval (15.1% прохождения тестов).
Обучение и архитектура: 1.03B параметров, 36 слоёв, ~176B токенов предобучения, языки EN / IT / code.
Ограничения: автор отмечает, что модель не является универсальной или SOTA и всё ещё находится в разработке — на задачах без документов (SimpleQA) она склонна ошибаться или придумывать факты.
Лицензия: Apache 2.0, запускается через skylar serve (OpenAI/Anthropic API) или библиотеку transformers на GPU и CPU.
Примеры
Обсудить Telegram 0 70

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.9 GB · готовые файлы2.7 GB
  • FP8 / INT8рекомендуемвеса 1.0 GB1.7 GB
  • 4-bitвеса 0.5 GB1.2 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.

    # Skyl4r-Ai/Skylar2-1B-Instruct — 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 Skyl4r-Ai/Skylar2-1B-Instruct --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к Skylar2-1B-Instruct
  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

Новые посты про версии Skylar2-1B-Instruct — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

Skyl4r-Ai/Skylar2-1B-Instruct
Автор
Skyl4r-Ai
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

700

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

PHPko-31M

PHPko-31M