Têtu-2 — независимая исследовательская LLM (языковая модель), обученная с нуля без весов других моделей. В ней 702M параметров, но на вычисление каждого следующего слова идёт только 115M: остальное — большая память, которую модель читает почти бесплатно. Она работает в первую очередь с французским, затем с английским, держит контекст до 32 768 токенов и умеет показывать, насколько уверена в каждом слове. Ещё при генерации арифметики встроенный калькулятор подставляет точный результат. Это не надёжный ассистент: модель маленькая и часто ошибается.
Ключевые особенности
«Голова сомнения» оценивает вероятность ошибки для каждого слова; чат-скрипт красит слова в зелёный, жёлтый или красный.
Встроенный калькулятор: когда модель пишет «48 + 27 + 66 =», точный ответ вставляется автоматически.
Из 702M параметров только 115M участвуют в вычислениях на каждом шаге — остальное работает как дешёвая память.
Около 275 токенов/с на RTX 5070 — примерно вдвое быстрее предыдущей Têtu v1.
Что можно сделать
Поиграть с визуализацией сомнения: запустить chat.py и смотреть, где модель уверена, а где нет.
Взять base/ для генерации французского текста или собственного файнтюна.
Проверить калькулятор на примерах арифметики и сравнить с ответами без него через --no-calc.
Исследовать необычную архитектуру на потребительской GPU: есть режим --cpu и загрузка в float32.
Пример
import torch
from tetu2.generate import Generator, load
model, tok = load("base", device="cuda")
gen = Generator(model, tok)
for piece, doubt in gen.stream("La capitale de la France est", max_new=40, temp=0):
print(piece, end="")
ПодробнееMGSM-fr: 5,6% у chat v2.1 — выше SmolLM2-135M (1,6%), но ниже Qwen2.5-0.5B (17,2%). Парный судья Qwen2.5-14B: v2.1 выиграла 189 из 250 против Têtu v1.1 и 156 из 250 против v2.0. Слабости: выдумывает факты, путает единицы и иногда «я»/«ты»; английский чат почти не тренирован, код — не её задача. Лицензия CC BY-NC 4.0 — только некоммерческое использование.
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.
# tetu-AI/Tetu-2 — 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 tetu-AI/Tetu-2 --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