Сверхкомпактная модель на 56.5 тысяч параметров, которая работает как структурированный декодер последовательностей из 4 слотов (4-Slot Structured Sequence Decoder). Она построена на базе архитектурного фреймворка The Genesis Engine и дисциплины IsoMorphic Words and Maths (автор — David Earl Jones) и развивает прототипы v0.1 и v0.2. Главное отличие версии — бинарный INT8-рантайм (8-битное целочисленное сжатие весов) размером всего 49.6 КБ без внешних зависимостей, который на мобильных процессорах работает не хуже, а местами даже точнее исходной версии в формате FP32. Пригодится разработчикам встроенных систем, исследователям компактных архитектур и тем, кто запускает нейросети на слабом железе.
Ключевые особенности
Экстремальная компактность: модель содержит 56.5K параметров, а её бинарный файл весов в формате INT8 занимает 49.6 КБ (против ~1.1 МБ в FP32 JSON).
4-слотовое декодирование: в отличие от однотокенных прототипов v0.1 и v0.2, версия v0.3 формирует структурированную последовательность из четырёх слотов с мультипликативным гейтингом (Multiplicative Query-Slot Gating).
Точность после квантования: версия INT8 Edge показывает прирост метрик на 0.5–0.6% по сравнению с FP32 (73.0% против 72.4% на полной 4-слотовой последовательности).
Расширенные спецификации Tier-2: добавлена поддержка стековых операторов ExplicitPrompt RPN, трёхуровневой типологии карточек и пайплайна GET Rosetta.
Что можно сделать
Запускать инференс локально на мобильных CPU и микроконтроллерах через встроенный INT8-рантайм без тяжёлых зависимостей.
Исследовать поведение сверхмалых сетей и влияние симметричного INT8-квантования на сохранение точности при символьных и структурных запросах.
Использовать в некоммерческих проектах для парсинга и вычисления связей в структурированных триадах и символьных выражениях.
Пример
from modeling_ebertin_iwm import EdgeEbertinIWMV3Model
model = EdgeEbertinIWMV3Model.from_pretrained(".", use_int8=True)
result = model.predict("L3_TRIAD | POLE_A: Venus | POLE_B: Neptune | CATALYST_C: Uranus | QUERY: A_DIV_B_EQ_C")
print(result["formatted_output"])
ПодробнееМетрики v0.3 INT8 Edge: 4-Slot Full Sequence — 73.0%, Held-Out Core Concept — 77.0%, Held-Out Sector Acc — 71.8% (RMS Gramian 0.3128 / kappa 1.287). Требования к железу: оптимизирована для мобильных CPU, вес бинарного файла — 49.6 КБ, рантайм без внешних зависимостей. Лицензия: CC-BY-NC-4.0 (разрешено академическое и некоммерческое использование с указанием авторства; коммерческое использование базовой архитектуры ограничено).
Совет: берите 8-bit.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.
# WhoIsAbishag/ebertin-iwm-micronet-v0.3 — A30, 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 WhoIsAbishag/ebertin-iwm-micronet-v0.3 --max-model-len 8192
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