К содержимому
Другое

Verdin-4B v1.2

вероятности по вариантам вместо генерации текста

2 мин чтенияобновлено

Модель решает не задачу свободного ответа, а выбор из заранее заданных вариантов: получает состояние и вопрос с именованными опциями, а на выходе даёт вероятность для каждого варианта и отдельный выход для неизвестного. Сделана на базе Qwen/Qwen3.5-4B: LoRA r16 (небольшая надстройка над базовой моделью) обучена на 256 153 строках DI-rendered public rows, затем слита с базой и сконвертирована в runtime verdin в bf16. От обычной LLM отличается тем, что не генерирует текст, а возвращает нормализованные вероятности по списку опций. Пригодится в пайплайнах, где нужно ранжировать или выбирать вариант по состоянию, а не получать связный ответ.

Ключевые особенности

  • На входе — состояние, вопрос и именованные варианты; на выходе — вероятность каждого варианта плюс unknown-голова.
  • База — Qwen/Qwen3.5-4B; LoRA r16, lr 5e-5, 1 эпоха, 256 153 строки, seed 0; LoRA слита, веса в bf16.
  • Публичный suite 0.3: 140 178 запросов, coverage 1.0, index 61.40 / raw 70.85.
  • Калибровка только для точного ключа NONE: сдвиг логита δ = T·ln(0.0067), T = 1.7411; опции не удаляются, промпты не обрезаются, вероятности нормализованы.
  • Serving: verdin.server /v1/systemone; заявленная ёмкость max_state 262 144 / max_branch 263 168 / max_packed 524 288, без обрезания.

Что можно сделать

  • Ранжировать действия агента: передать состояние и список вариантов, получить вероятности и выбрать порог отсечения.
  • Прогнать Decision Index-сценарии на публичном наборе и сравнить index/raw со своими пайплайнами.
  • Поднять сервис на /v1/systemone для задач, где нужен не текст, а распределение по опциям.
  • Учитывать вероятность NONE и unknown-голову при отборе — например, чтобы отсеивать сомнительные варианты.

Пример

Сценарий: состояние — «пользователь просит вернуть товар», вопрос — «какое действие выбрать?», варианты — return, exchange, NONE. Модель вернёт вероятности для каждого варианта и unknown-головы, а не текстовое объяснение. По этим числам уже можно выбрать действие или отправить запрос на ручную проверку.

ПодробнееПубличный suite 0.3: index 61.40, raw 70.85 на 140 178 запросах, coverage 1.0.
База Qwen/Qwen3.5-4B; LoRA r16, lr 5e-5, 1 эпоха, 256 153 строки, seed 0; LoRA слита, bf16.
Калибровка только для точного ключа NONE: δ = T·ln(0.0067), T = 1.7411; вероятности нормализованы.
Ограничение: модель не генерирует текст — только вероятности по именованным вариантам.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.8 GB · готовые файлы9.1 GB
  • FP8 / INT8рекомендуемвеса 3.9 GB4.8 GB
  • 4-bitвеса 2.2 GB2.9 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 3080

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.

    # victorbennett/Verdin-4B-v1.2
    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 victorbennett/Verdin-4B-v1.2 --local-dir ~/models/Verdin-4B-v1.2
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Verdin-4B-v1.2
  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

Qwen/Qwen3.5-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. Verdin-4B-v1.2

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

victorbennett/Verdin-4B-v1.2
Автор
victorbennett
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

HBAR

HBAR