К содержимому
Компьютерное зрение

VIM 27B LoRA v2

действие и миссия робота из одного видео

2 мин чтенияобновлено

Адаптер к Qwen3.5-27B, который по истории визуального телеуправления одновременно предсказывает два выхода: текущее действие и текущую миссию — то есть что робот делает прямо сейчас и в рамках какой задачи. Обучен на датасете VI AMO v2: 6 600 эпизодов, 13 653 действия и 9 702 миссии. Это финальный чекпоинт завершённого тренировочного прогона VI AMO v2, использованный для оценки VIM (Ours). Веса и файлы процессора побайтово совпадают с v2-чекпоинтом, который раньше лежал в коде VIM, — на Hugging Face обновили только карточку и контрольные суммы. Пригодится тем, кто работает с vision-language-action моделями и разбирает логи телеуправления.

Ключевые особенности

  • Два предсказания сразу: ongoing action и ongoing mission из визуальной истории.
  • LoRA rank и alpha 16, одна эпоха обучения и 4 306 шагов оптимизатора.
  • Оценка на 1 091 тестовом действии при девяти точках отсечения наблюдений — всего 9 819 предсказаний.
  • Есть checkpoint.json с происхождением и SHA256SUMS для проверки файлов.
  • Базовая модель unsloth/Qwen3.5-27B скачивается отдельно и в адаптер не входит.

Что можно сделать

  • Подключить адаптер к пайплайну VIM из официального репозитория и прогнать собственные записи телеуправления через --model checkpoints/vim27b_lora_v2.
  • Взять как отправную точку для своих LoRA под конкретный робот или набор миссий — ранг 16 оставляет запас для дообучения.
  • Сравнить предсказания действия и миссии на разных точках отсечения наблюдений, чтобы понять, сколько кадров нужно модели.

Пример

hf download viamodelanddataset/vim27b_lora_v2 \
  --local-dir checkpoints/vim27b_lora_v2
(cd checkpoints/vim27b_lora_v2 && sha256sum --check SHA256SUMS)
ПодробнееБаза: unsloth/Qwen3.5-27B, ревизия 68443620….
Обучение: 1 эпоха, 4 306 шагов, LoRA rank и alpha 16.
Язык карточки и данных — только английский; инструкции по инференсу лежат в GitHub-репозитории VIM.
SHA-256 весов: 4759b2b3…8f0d8e0f.
Обсудить Telegram 0 21

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 файлы58 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB17 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 Qwen3.5-27B.

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.

    # viamodelanddataset/vim27b_lora_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 unsloth/Qwen3.5-27B --local-dir ~/models/Qwen3.5-27B
    hf download viamodelanddataset/vim27b_lora_v2 --local-dir ~/models/vim27b_lora_v2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Qwen3.5-27B
  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

unsloth/Qwen3.5-27B

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

  1. Qwen3.5-27Bоснова семьи
  2. Qwen3.5-27B
  3. vim27b_lora_v2

Новые посты про версии Qwen3.5-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 6Все на Hugging Face

О модели

viamodelanddataset/vim27b_lora_v2
Автор
viamodelanddataset
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

210

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Measure Twice

Measure Twice
Компьютерное зрение

Qwen3-VL-2B + WSP

Qwen3-VL-2B + WSP