К содержимому
Другое

zils-lite-body-15

decision-чекпоинт для Zils d3-lite

2 мин чтенияобновлено

Это обновлённый decision body для пула Zils d3-lite (Bittensor subnet 127) на семействе Qwen/Qwen3.5-0.8B. За основу взят текущий soup (смесь весов) d3-lite — равномерное среднее двух моделей, Charlie320/zils-lite-v9a и qhoenix/zils-lite-decision-v9. Автор tensor-tailor добавил три LoRA-файнтюна (небольшие надстройки над базовой моделью) на собственных данных и усреднил их дельты с коэффициентом 1.0. На выходе — слитые веса на ~0,85 млрд параметров для задач выбора, yes/no и оценки в экзаменационных семействах Zils. Пригодится участникам subnet 127 и тем, кто экспериментирует с малыми decision-моделями.

Ключевые особенности

  • LoRA rank 32 / alpha 64, без dropout, только attention и Gated-DeltaNet всех языковых слоёв; MLP не обучались, после обучения LoRA слиты в веса.
  • Три прогона с seeds 5002, 5012 и 5022: 2 500 размеченных строк + 290 anchor prompts (опорных промптов без меток), lr 5e-5, 1 эпоха, batch 8, 349 шагов на прогон.
  • Итоговое тело — start + 1.0 × среднее трёх (run − start); от старта отличаются 114 тензоров.
  • Данные: 97,2% строк написаны AI-райтерами (Claude — 2 426, Phi-4 — 5), 2,2% меток вычислены кодом, 0,6% — человеческие метки датасетов.
  • Официального бенчмарка нет: в карточке только собственный замер relative change от Qwen3.5-0.8B — 0,035903 при cap 0,15.

Что можно сделать

  • Подставить как готовый чекпоинт в пайплайн Zils d3-lite на Bittensor subnet 127 для выбора, yes/no и score-задач.
  • Сравнить с другими вариантами zils-lite-body-… в экспериментах с усреднением LoRA-дельт.
  • Запустить локально на базе Qwen3.5-0.8B для проверки коротких вопросов с вариантами ответа.
  • Не ждать универсального чат-ассистента: это узкий decision-чекпоинт, а не общая LLM.

Пример

Готового кода запуска в карточке нет. Типовой сценарий: в пайплайне Zils вы подаёте элементы семейств choice, yes/no и score, а этот body используете как одного из кандидатов для решения. Для локальной проверки загрузите веса Qwen3.5-0.8B и прогоните тот же формат промптов, что и в вашем пайплайне.

ПодробнееRelative change от Qwen/Qwen3.5-0.8B: 0,035903 (cap 0,15); у старта — 0,03584.
2 500 строк: reasoning 647, language 647, retrieval 500, tools 457, arts 249.
97,2% строк — AI-райтеры; человеческих меток нет: Claude-строки проверены blind-ответом второй модели и аудитом, Phi-4 — чтением.
Официального скора нет; VRAM и требования к железу в карточке не указаны.
Обсудить Telegram 0 19

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.6 GB · готовые файлы2.2 GB
  • FP8 / INT8рекомендуемвеса 0.8 GB1.4 GB
  • 4-bitвеса 0.4 GB1.0 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

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    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.

    # tensor-tailor/zils-lite-body-15
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download tensor-tailor/zils-lite-body-15 --local-dir ~/models/zils-lite-body-15
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к zils-lite-body-15
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

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.

Семья модели

Дообучение модели

Charlie320/zils-lite-v9a
  1. Qwen3.5-0.8B-Baseоснова семьи
  2. Qwen3.5-0.8B
  3. zils-lite-v9a
  4. zils-lite-body-15

Новые посты про версии Qwen3.5-0.8B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 9Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

tensor-tailor/zils-lite-body-15
Автор
tensor-tailor
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

HBAR

HBAR