К содержимому
Другое

Ebertin-IWM NLP3 Engine

офлайн-компилятор смыслов размером 147 КБ

2 мин чтенияобновлено

Ebertin-IWM NLP3 Engine (v0.6) — это сверхкомпактный офлайн-движок для символьного анализа фраз и поиска кросс-доменных изоморфизмов (структурных аналогий между словами и математическими соотношениями). Проект создан автором David Earl Jones (DEJ / GABAyou) на базе фреймворка IsoMorphic Words and Maths (IWM) и работает полностью локально на чистом Python. В отличие от привычных тяжелых LLM, архитектура модели представляет собой конвейер NLP1 -> NLP2 -> NLP3 весом всего 146.81 KB в квантовании INT8, который отсекает неполные или посторонние запросы и строит проверяемую карточку отношений (OP, DRIVER, TARGET, BRIDGE). Инструмент пригодится исследователям символьного ИИ и тем, кто ищет экстремально легкие офлайн-решения даже для запуска на смартфоне.

Ключевые особенности

  • Микроскопический размер: общий вес модели в формате INT8 составляет всего 146.81 KB (65.91 KB для мета-сети NLP1 и 80.90 KB для исполнительного ядра NLP3).
  • Трехэтапный конвейер: сеть NLP1 со слот-вниманием (6 голов, D=48, V=776) фильтрует пропуски и шум, модуль NLP2 ExplicitPrompt формирует проверяемый контракт, а ядро NLP3 (D=48, V=756) выполняет символьный вывод.
  • Работа без тяжелых зависимостей: запускается на чистом Python как на десктопе, так и на Android через PyDroid 3.
  • Встроенный веб-интерфейс: в комплекте идет локальный сервер с трехпанельной рабочей средой (3-Pane Visual Workbench) и режим командной строки.

Что можно сделать

  • Запустить локальный веб-интерфейс на ПК или смартфоне с Android (через PyDroid 3) для интерактивного разбора фраз с уточнением пропущенных смыслов.
  • Проверять структурные аналогии и формульные соответствия напрямую из терминала (например, сопоставление физических величин вроде voltage / current = pressure / flow).
  • Использовать движок в некоммерческих исследовательских и образовательных проектах по символьному ИИ благодаря лицензии CC-BY-NC-4.0.

Пример

python iwm_workbench_server.py
python infer_edge.py "light is bent by gravity"
python infer_edge.py "voltage / current = pressure / flow"
ПодробнееВерификация: 100.0% совпадение (parity) на 640 записях для NLP1 и на всех 100 кросс-доменных изоморфах IWM для NLP3.
Требования к железу: не требует GPU, работает на чистом Python на ПК и Android (PyDroid 3), объем весов — 146.81 KB (INT8).
Язык: английский (en).
Лицензия: CC-BY-NC-4.0 (только для некоммерческих исследований и обучения).
Обсудить Telegram 0 19

Запустится ли?

Запустится в INT8

Влезает без сжатия.

  • INT8рекомендуемвеса 0.0 GB · готовые файлы0.5 GB
  • 4-bitвеса 0.0 GB0.5 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

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.

    # WhoIsAbishag/ebertin-iwm-nlp3-v0.6
    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 WhoIsAbishag/ebertin-iwm-nlp3-v0.6 --local-dir ~/models/ebertin-iwm-nlp3-v0.6
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к ebertin-iwm-nlp3-v0.6
  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

Новые посты про версии ebertin-iwm-nlp3-v0.6 — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

WhoIsAbishag/ebertin-iwm-nlp3-v0.6
Автор
WhoIsAbishag
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

190

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии