К содержимому
Языковые модели

Qwen3.8-27B SWE-agent LoRA

адаптер для автономных ИИ-программистов

2 мин чтения

Это LoRA (небольшая надстройка над базовой моделью) для языковой модели Qwen/Qwen3.8-27B, обученная помогать ИИ-агентам самостоятельно решать задачи по программированию и исправлению багов в репозиториях. Адаптер натренирован на 1200 успешных сценариях работы SWE-агентов (SWE-bench/SWE-smith-trajectories) с сохранением родного шаблона Qwen3.8, включая XML-вызовы инструментов и теги рассуждений на каждом шаге. В отличие от похожих адаптеров, которые часто отучаются рассуждать перед действием, эта версия продолжает записывать короткие мысли перед каждым вызовом инструмента и заметно точнее выбирает нужную команду. Пригодится разработчикам, которые собирают локальных агентов для навигации по кодовой базе, поиска функций и редактирования файлов.

Ключевые особенности

  • Точность выбора нужного инструмента в тесте следующего действия выросла с 65% у базовой модели до 97.5% с адаптером.
  • В 100% проверок модель возвращает валидный вызов инструмента в формате JSON (у базы — 97.5%).
  • Сохраняет цепочку рассуждений перед каждым шагом при настройке reasoning_effort="low".
  • Обучена на инструментах bash, str_replace_editor и submit; визуальный модуль и MTP-голова базовой модели не затрагивались.

Что можно сделать

  • Подключить к Qwen/Qwen3.8-27B через vLLM без слияния весов для работы в составе автономного coding-агента.
  • Использовать в задачах поиска по репозиторию и точечного редактирования исходного кода (в тестах модель сразу переходит к поиску нужного кода вместо перебора дерева файлов).
  • Взять готовый код обучения из папки training/ репозитория как основу для дообучения под собственный набор инструментов агента.

Пример

vllm serve Qwen/Qwen3.8-27B \
  --enable-lora --max-lora-rank 16 --max-loras 1 \
  --lora-modules swe=/models/swe-lora \
  --enable-auto-tool-choice --tool-call-parser qwen3_coder --reasoning-parser qwen3 \
  --limit-mm-per-prompt '{"image": 0, "video": 0}' \
  --max-model-len 16384
ПодробнееОценка на 40 отложенных траекториях: loss на токенах ассистента снизился с 0.412 до 0.189, точность подкоманд str_replace_editor выросла с 32% до 88%, медианная задержка — 3.8 с.
Вес адаптера составляет 435 МБ (ранг 16), базовая модель в bf16 весит около 56 ГБ — для запуска требуется видеокарта класса 80 ГБ VRAM (проверено на 1× H200 и vLLM 0.31.0).
Обучение заняло 0.94 часа на 1× H200 (150 шагов, 1.88 млн обучаемых токенов, max length 6144); лицензия Apache-2.0.
Обсудить 0 19

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 52 GB · готовые файлы55 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB18 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.

Это LoRA: вместе с базовой моделью Qwen3.8-27B.

Для текстовых моделей — с контекстом 8192 токенов.

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 RTX A6000

    $0.43 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.

    # spotapovadm/qwen3.8-27b-swe-lora — RTX A6000, FP8 / INT8
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    # 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 Qwen/Qwen3.8-27B --max-model-len 8192 --quantization fp8 --enable-lora --max-lora-rank 64 --lora-modules qwen3.8-27b-swe-lora=spotapovadm/qwen3.8-27b-swe-lora
    Добавить ещё LoRA к Qwen3.8-27B
  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

Нужна базовая модель

Qwen/Qwen3.8-27B

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

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

spotapovadm/qwen3.8-27b-swe-lora
Автор
spotapovadm
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии