К содержимому
Компьютерное зрение

Novalyte-v2-27B

диалоговая модель на базе Qwen3.8

2 мин чтенияобновлено

Новая модель Novalyte-v2-27B представляет собой полноразмерный чекпоинт с объединёнными весами, основанный на архитектуре Qwen3.8-27B. Модель обучена с использованием SFT (обучения с учителем) для настройки специфической идентичности и стиля общения, сохраняя сильные возможности базовой архитектуры на китайском и английском языках. Веса поставляются в формате Safetensors в точности с исходной структурой, поэтому для запуска не требуются дополнительные LoRA-адаптеры. Такой вариант подойдёт исследователям и разработчикам, изучающим влияние тонкой настройки на поведение крупных языковых моделей.

Ключевые особенности

  • Базовая модель: построена на базе Qwen3.8-27B с общим количеством параметров около 27.78 миллиардов в формате BF16.
  • Метод обучения: дообучение проведено методом QLoRA с использованием фреймворка LLaMA-Factory на специализированном датасете идентичности.
  • Открытая лицензия: модель распространяется под пермиссивной лицензией Apache-2.0.
  • Прозрачные бенчмарки: авторы честно отмечают, что вторая версия уступает первой по метрикам и публикуют сравнительные результаты.

Что можно сделать

  • Локальный запуск: развернуть модель локально на подходящем оборудовании для тестирования диалоговых способностей и генерации текста.
  • Интеграция в пайплайны: использовать веса в качестве готовой отправной точки для собственных экспериментов с дообучением языковых моделей.
  • Анализ качества: изучить результаты бенчмарков C-Eval, MMLU и CMMLU для оценки деградации или улучшения метрик после кастомного SFT.

Пример

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, BitsAndBytesConfig

model_id = "voblcn/Novalyte-v2-27B"
tok = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)

bnb = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_quant_type="nf4",
                         bnb_4bit_use_double_quant=True, bnb_4bit_compute_dtype=torch.bfloat16)
model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True,
                                            quantization_config=bnb, device_map="auto")
prompt = "<|im_start|>user\n你是谁?<|im_end|>\n<|im_start|>assistant\n"
ids = tok(prompt, return_tensors="pt").to(model.device)
out = model.generate(**ids, max_new_tokens=128, do_sample=False)
print(tok.decode(out[0][ids["input_ids"].shape[1]:], skip_special_tokens=True))
Подробнее• Формат весов: Safetensors (18 фрагментов, около 51.75 GiB данных).
• Требования к железу: для полной точности BF16 требуется примерно 52 GiB VRAM/RAM, для работы на видеокартах с 24–32 GiB предусмотрена 4-бит квантизация.
• Метрики: на подмножестве из 433 тестов базовая модель показывает 74.8%, v1 — 80.4%, а текущая v2 — 77.6%.
• Важная ремарка: авторы рекомендуют для практического использования предыдущую версию v1 из-за лучших показателей стабильности.
Обсудить Telegram 0 11

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # voblcn/Novalyte-v2-27B
    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 voblcn/Novalyte-v2-27B --local-dir ~/models/Novalyte-v2-27B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Novalyte-v2-27B
  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

Новые посты про версии Novalyte-v2-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

voblcn/Novalyte-v2-27B
Автор
voblcn
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

110

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

Jeveration

Jeveration