К содержимому
Другое

OmniSRE

LoRA-адаптер для DevOps и SRE-задач на базе Qwen3.8

2 мин чтенияобновлено

OmniSRE — это открытый агент системной надежности (SRE), созданный для автоматического триажа, локализации, поиска первопричин и устранения инцидентов. Модель построена в виде ранга-64 LoRA (небольшой надстройки над базовой моделью) для языковой модели Qwen/Qwen3.8-27B. Агент следует главному принципу инженерной безопасности: «никогда не пишет, предварительно не прочитав». Решение пригодится разработчикам, DevOps-инженерам и командам поддержки для автоматизации анализа сбоев.

Ключевые особенности

  • Ранг-64 LoRA (небольшая надстройка) для Qwen/Qwen3.8-27B с 466.9 миллионами обучаемых параметров.
  • Обучение на реальных трейсах инцидентов, логах SRE и инструкциях по устранению неполадок (runbooks).
  • Строгий подход к чтению данных перед выполнением любых действий по исправлению.
  • Поддержка архитектуры базовой модели с замороженной визуальной частью (Vision tower) и MTP head.

Что можно сделать

  • Применить адаптер для автоматизированного анализа инцидентов и разбора логов в DevOps-пайплайнах.
  • Использовать в качестве умного помощника на дежурствах (on-call) для диагностики системных сбоев.
  • Собрать собственного чат-бота для работы с Kubernetes и инфраструктурными алертами.
  • Интегрировать в системы мониторинга для предварительной локализации и поиска первопричин проблем.

Пример

import torch
from peft import PeftModel
from transformers import AutoModelForImageTextToText, AutoTokenizer

tokenizer = AutoTokenizer.from_pretrained("Qwen/Qwen3.8-27B", trust_remote_code=True)
base = AutoModelForImageTextToText.from_pretrained(
    "Qwen/Qwen3.8-27B", dtype=torch.bfloat16, device_map="auto", trust_remote_code=True
)
model = PeftModel.from_pretrained(base, "w3joe/OmniSRE")
ПодробнееБазовая модель: Qwen/Qwen3.8-27B (64 слоя, контекст 262K)
Адаптер: LoRA r = 64, 466.9M параметров (1.68%)
Обучение: Стадия 1a (5038 трейсов, лосс до 0.175), Фаза 1b (98.5% точность токенов)
Железо: 4 × H100 BF16 для обучения · 1 × H100 / L40S FP8 для сервиса
Лицензия: Apache 2.0
Примеры
Обсудить Telegram 0

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 51 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 25 GB29 GB
  • 4-bitвеса 14 GB16 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.

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.

    # w3joe/OmniSRE
    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 w3joe/OmniSRE --local-dir ~/models/OmniSRE
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к OmniSRE
  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/Qwen3.8-27B

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

w3joe/OmniSRE
Автор
w3joe
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

Изображения

SIMB

SIMB
Языковые модели

OnyX-9B

OnyX-9B
Языковые модели

Hips1.0-0.8B

Hips1.0-0.8B