К содержимому
Языковые модели

Ebertin-IWM Micro-Net v0.3

микросеть на 49.6 КБ для edge-устройств

2 мин чтенияобновлено

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).
Обсудить Telegram 0 26

Запустится ли?

Запустится в INT8

Влезает без сжатия.

  • INT8рекомендуемвеса 0.0 GB · готовые файлы0.6 GB
  • 4-bitвеса 0.0 GB0.6 GB

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.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: INT8 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    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.

    # 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
    Добавить ещё LoRA к ebertin-iwm-micronet-v0.3
  3. 3. Пользуйтесь

    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.

  • 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.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Новые посты про версии ebertin-iwm-micronet-v0.3 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

WhoIsAbishag/ebertin-iwm-micronet-v0.3
Автор
WhoIsAbishag
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

260

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии