К содержимому
Другое

Caracal Instruct v2

инструктивный LoRA-адаптер для африканской LLM

2 мин чтенияобновлено

Caracal Instruct v2 — это PEFT LoRA-адаптер (небольшая надстройка для дообучения без изменения весов всей нейросети) от разработчика theophilusowiti поверх базовой языковой модели Caracal_GPT. Адаптер превращает базовую модель в диалогового ассистента, который умеет следовать инструкциям в формате ChatML. На выходе вы получаете ответы на запросы пользователя сразу на 9 языках: английском, суахили, амхарском, луганда, киньяруанда, хауса, йоруба, игбо и лингала. Пригодится разработчикам мультиязычных чат-ботов и исследователям, работающим с малоресурсными языками Африки.

Ключевые особенности

  • Поддержка 9 языков: английский, суахили, амхарский, луганда, киньяруанда, хауса, йоруба, игбо и лингала.
  • Оптимизация под диалоги и выполнение инструкций с использованием шаблона ChatML.
  • Обучение методом SFT (Supervised Fine-Tuning) с помощью библиотеки trl на датасете Caracal_Instruct_Dataset.
  • Открытая лицензия Apache 2.0, разрешающая свободное и коммерческое использование.

Что можно сделать

  • Встроить в чат-бота или справочный сервис для общения с пользователями на африканских языках и английском.
  • Использовать в NLP-исследованиях как готовый базовый адаптер для оценки качества генерации на малоресурсных языках.
  • Дообучить под узкие прикладные задачи поверх связки Caracal_GPT и Caracal_instruct_v2 через библиотеку peft.

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

tok = AutoTokenizer.from_pretrained("theophilusowiti/Caracal_GPT")
base = AutoModelForCausalLM.from_pretrained("theophilusowiti/Caracal_GPT", torch_dtype="auto", device_map="auto")
model = PeftModel.from_pretrained(base, "theophilusowiti/Caracal_instruct_v2")

inputs = tok.apply_chat_template([{"role": "user", "content": "Who is the president of Kenya?"}], return_tensors="pt", add_generation_prompt=True).to(model.device)
print(tok.decode(model.generate(inputs, max_new_tokens=100)[0], skip_special_tokens=True))
ПодробнееАрхитектура: Causal Language Model с адаптером PEFT LoRA на базе theophilusowiti/Caracal_GPT.
Обучение: SFTTrainer из trl на датасете theophilusowiti/Caracal_Instruct_Dataset.
Метрики и требования к VRAM в карточке не указаны (логи обучения велись в Weights & Biases).
Обсудить Telegram 0 30

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 1.7 GB · готовые файлы2.4 GB
  • FP8 / INT8рекомендуемвеса 1.1 GB1.7 GB
  • 4-bitвеса 0.8 GB1.4 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.

Это LoRA: вместе с базовой моделью Caracal_GPT.

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.

    # theophilusowiti/Caracal_instruct_v2
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 theophilusowiti/Caracal_GPT --local-dir ~/models/Caracal_GPT
    hf download theophilusowiti/Caracal_instruct_v2 --local-dir ~/models/Caracal_instruct_v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Caracal_GPT
  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

Нужна базовая модель

theophilusowiti/Caracal_GPT

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

  1. InkubaLM-0.4Bоснова семьи
  2. Caracal_GPT
  3. Caracal_instruct_v2

Новые посты про версии InkubaLM-0.4B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 2Все на Hugging Face
Дообучения 11Все на Hugging Face
LoRA и адаптеры 3Все на Hugging Face

О модели

theophilusowiti/Caracal_instruct_v2
Автор
theophilusowiti
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

300

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

DAVID-Net

DAVID-Net
Другое

ec-esm

ec-esm