К содержимому
Языковые модели

Maris3D-Blender (0.5B)

компактный офлайн-копилот для сборки 3D-сцен в Blender

3 мин чтения

Компактная языковая модель на 0.5B параметров от slm4apps, которая управляет редактором Blender 4.2+ напрямую через вызовы инструментов (tool calls). В основе лежит Qwen2.5-Coder-0.5B-Instruct, дообученная на фиксированный набор из 26 команд Blender. В отличие от обычных LLM (больших языковых моделей), она не пишет текст, а сразу генерирует вызовы функций для создания, изменения, анимации и настройки нод (geonodes) в 3D-сцене. Благодаря весу около 518 МБ модель работает полностью локально даже на обычном CPU или старом ноутбуке, но при этом обходит qwen3.8-27b по доле пригодных к работе сцен в бенчмарке авторов. Пригодится 3D-художникам и разработчикам игр для быстрого прототипирования сцен по текстовому описанию без облачных API.

Ключевые особенности

  • Сверхлёгкая архитектура: занимает всего 0.58 ГБ памяти в работе (базовый файл q8_0 весит 506 МБ + два адаптера по 5.6 МБ) и выдаёт от 62.1 tok/s на 4-ядерном CPU до 141.5 tok/s на старой видеокарте GTX 980M.
  • Модульная связка с LoRA (небольшими надстройками над базовой моделью): для создания новых объектов модель работает с весами базы, для правки существующих переключается на edit-lora, а planner-lora разбивает сложные фразы на пошаговый план.
  • Сборка сложных сцен из одного предложения: планировщик определяет объекты и их взаимное расположение (знает 40 базовых предметов вроде скамейки, дерева или дома), код рассчитывает координаты, а встроенная проверка исправляет неточности.
  • Без цензуры и отказов: при дообучении убрано отказное поведение — в тесте авторов модель выполнила 18 из 18 запросов на мрачный игровой ассет-арт (оружие, хоррор-реквизит).

Что можно сделать

  • Быстро набросать локацию по тексту: написать в панели аддона Maris3D Copilot запрос вроде a park with a bench, a tree behind the bench and a lamp next to the bench и получить готовую композицию объектов.
  • Дорабатывать сцену итерациями: последовательно уточнять детали готовой модели командами Make the bench blue. или Move the lamp to the left of the bench. за счёт динамического переключения на edit-lora.
  • Автоматизировать рутину в Blender: использовать 26 встроенных инструментов для настройки массивов (arrays/rings), иерархии объектов (parenting), базовой анимации и Geometry Nodes через локальный сервер llama.cpp, Ollama или LM Studio.

Пример

# Установка аддона для Blender 4.2+ и загрузка модели (macOS / Linux)
curl -fsSL [https://raw.githubusercontent.com/slm4apps/maris3d/main/install.sh](https://raw.githubusercontent.com/slm4apps/maris3d/main/install.sh) | sh

# Запуск локального сервера с базой и обоими LoRA-адаптерами
maris3d serve start
ПодробнееБенчмарк Maris3D (180 запросов): 27.2% сцен полностью корректны с первого раза (pass) и 75.6% пригодны к работе (usable: 73.3% на сборку и 86.7% на редактирование); на внешнем тесте 3DCodeBench выполнено 212/212 сцен, на BFCL v4 simple (python) — 49.25%.
Планировщик корректно парсит 297/300 тестовых фраз, верно определяет пространственные связи в 98.6% случаев и список объектов в 96.3%.
Требования и настройки: нужен Python 3.9+ и Blender 4.2+; при ручном запуске важно выставить контекст 8,192 токена, temperature = 0 и repeat_penalty = 1.0 (значение 1.1 в Ollama ломает имена объектов).
Ограничения: модель обучена строго под свой набор из 26 инструментов Blender и не подходит для произвольных tool-сетов или генерации обычного текста.
Примеры и видео
Обсудить Telegram 3 110

Запустится ли?

Запустится в GGUF Q8_0

Влезает самая точная из готовых сжатых версий.

  • GGUF Q8_0рекомендуемвеса 0.5 GB · готовые файлы1.1 GB
  • GGUF F16веса 0.0 GB · готовые файлы0.6 GB

Совет: берите 8-bit.GGUF Q8_0 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: GGUF Q8_0 — 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.

    # slm4apps/Maris3D-Blender — A30, GGUF Q8_0
    # 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 -fsSL https://ollama.com/install.sh | sh
    ollama run hf.co/slm4apps/Maris3D-Blender:Q8_0
    Добавить ещё LoRA к Maris3D-Blender
  3. 3. Пользуйтесь

    Чат откроется прямо в терминале. Выйти — /bye, запустить снова — та же команда ollama run.

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

Qwen/Qwen2.5-Coder-0.5B-Instruct
  1. Qwen2.5-0.5Bоснова семьи
  2. Qwen2.5-Coder-0.5B
  3. Qwen2.5-Coder-0.5B-Instruct
  4. Maris3D-Blender

Новые посты про версии Qwen2.5-0.5B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 5Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

slm4apps/Maris3D-Blender
Автор
slm4apps
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

1103

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

OrdoPy-Coder-0.5B

OrdoPy-Coder-0.5B
Языковые модели

sola-air-1.5b

sola-air-1.5b