К содержимому
Компьютерное зрение

Qwen3.8-27B-Perplexing-Pegasus-Heretic

децензурированная VLM с быстрым декодингом

2 мин чтенияобновлено

Модель Qwen3.8-27B-Perplexing-Pegasus-Heretic от автора webbrain-one — это очищенная от встроенных отказов (abliterated) версия мультимодальной модели AveLabs/Qwen3.8-27B-Perplexing-Pegasus на 27,36 млрд параметров в формате BF16. Она объединяет возможности семейства Qwen3.8-27B (распознавание изображений, рассуждения в блоках и вызов инструментов) с механизмом оценки вероятностей вариантов ответа от perplexity-ai/pplx-decider-v1-27b. С помощью метода ARA (Arbitrary-Rank Ablation — точечное удаление направлений отказа в весах без дообучения) автор снизил частоту отказов с 102/104 до 6/104, не сломав логику оригинальной модели. Подойдёт разработчикам локальных ассистентов, систем маршрутизации запросов и мультимодальных пайплайнов.

Ключевые особенности

  • Сочетает работу с изображениями и текстом, режим рассуждений и поддержку tool-calling.
  • Сохранены все 15 тензоров MTP (Multi-Token Prediction — предсказание нескольких токенов за шаг для ускорения генерации в vLLM).
  • Оставлена нетронутой голова модели (lm_head) и файлы decision/ для точного считывания вероятностей (logprob) при классификации и выборе решений.
  • Минимальное искажение основного поведения: расхождение KL divergence на безопасных промптах составило всего 0.0618, а точность принятия решений сохранилась на уровне 90.0%.

Что можно сделать

  • Развернуть локальный мультимодальный сервер через vLLM с включённым спекулятивным декодингом MTP и контекстом до 131 072 токенов.
  • Использовать в качестве быстрого роутера или классификатора в пайплайнах, считывая вероятности готовых кодов ответа через модуль decision_config.json.
  • Конвертировать в квантованные форматы (или взять готовые варианты AutoRound-INT4, NVFP4 и GGUF из линейки автора) для запуска на потребительских GPU и CPU.

Пример

vllm serve webbrain-one/Qwen3.8-27B-Perplexing-Pegasus-Heretic \
  --dtype bfloat16 \
  --reasoning-parser qwen3 \
  --enable-auto-tool-choice \
  --tool-call-parser qwen3_coder \
  --speculative-config '{"method":"mtp","num_speculative_tokens":3}' \
  --max-model-len 131072
ПодробнееОтказы по классификатору (harmful_behaviors): снижены с 102/104 до 6/104 (5.77%), по ключевым словам — до 9/104 (8.65%).
Совпадение решений с оригиналом (30 тестов): 100%, точность осталась 90.0% при среднем отклонении вероятностей 0.0192.
Железо: полная версия в BF16 рассчитана на серверные GPU уровня H100, B200 или RTX PRO 6000; для менее мощных карт доступны кванты INT4, NVFP4 и GGUF.
Оптимизация весов выполнена инструментом heretic-llm (150 итераций Optuna TPE, слои с 16 по 52), лицензия Apache-2.0.
Обсудить Telegram 0 31

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 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.

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

  1. Qwen3.8-27Bоснова семьи
  2. pplx-decider-v1-27b
  3. Qwen3.8-27B-Perplexing-Pegasus
  4. Qwen3.8-27B-Perplexing-Pegasus-Heretic

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

webbrain-one/Qwen3.8-27B-Perplexing-Pegasus-Heretic
Автор
webbrain-one
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

310

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

zils-lite-c5i5

zils-lite-c5i5
Языковые модели

Lanternfall-4B

Lanternfall-4B