miniNLM thin 46M — модель на 46,34 млн параметров (27,90 млн без эмбеддингов), обученная с нуля на китайских сетевых романах. Это не универсальный ассистент, а учебный и игрушечный вариант для генерации текста и разбора архитектуры LLM.
Ключевые особенности
Обучена с нуля на 7,2 млрд токенов; словарь SentencePiece BPE на 48 000 токенов.
18 слоёв Transformer, d=384, 8 голов, GQA с 2 KV-головами, RoPE и QK-norm.
AttnRes вместо простого residual: каждый слой учится взвешивать выходы предыдущих слоёв.
Не для вопросов, кода и фактов: узкий корпус романов и нет полноценной инструкционной настройки.
Пример
import json, torch, sentencepiece as spm
from safetensors.torch import load_model
from model import GPT
conf = json.load(open('config.json')); model = GPT(conf['arch'])
load_model(model, 'model.safetensors'); model.eval()
sp = spm.SentencePieceProcessor(model_file='spm48k_v4.model'); ids = sp.encode('他把剑收回鞘中,转身看向身后的少年。')
out = model.generate(torch.tensor([ids]), 100, temperature=0.75, top_k=40, eos_id=4, repetition_penalty=1.15)
print(sp.decode(out[0][len(ids):].tolist()))
ПодробнееВалидационный loss 4,0726 (ppl 58,71), тестовый — 4,0576 (ppl 57,83, 95% CI ±0,014). Веса fp32, 176,8 МБ; обучение шло на одной AMD RX 9060 XT 16 ГБ примерно 2,9 с/шаг. Лучше работает при temperature 0,7–0,8, top_k 40 и repetition_penalty 1,15; выше 0,9 начинает повторяться. Лицензия MIT, но выходы могут воспроизводить фрагменты обучающих романов.
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.
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.
# wcldehgfc/miniNLM-thin-46m — A30, FP8 / INT8
# Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
. /etc/os-release && \
curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
sudo apt-get update && \
sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
{ echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
exit 0
fi
curl -LsSf https://astral.sh/uv/install.sh | sh
source "$HOME/.local/bin/env"
uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
uv pip install vllm
vllm serve wcldehgfc/miniNLM-thin-46m --max-model-len 8192 --quantization fp8
Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.
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.
Комментарии