К содержимому
Языковые модели

WINGMAN-OPENW.2.6-4B

компактная модель на 4B для кода и агентов

2 мин чтения

WINGMAN-OPENW.2.6-4B от Wingman LLC — это небольшая языковая модель на 4 миллиарда параметров, созданная для программирования, вызова функций и работы в составе ИИ-агентов. В репозитории выложена готовая 4-битная сборка в формате GGUF (сжатый формат для локального запуска через llama.cpp), которая помещается на обычное пользовательское железо. По заявленным авторами тестам модель заметно обходит более крупные решения вроде Qwen3.5-9B и Gemma4-12B в задачах разработки ПО, работе с протоколом MCP (Model Context Protocol — стандарт подключения инструментов к моделям) и веб-браузинге. Подойдёт разработчикам и энтузиастам, которым нужен быстрый локальный ассистент для написания кода и автоматизации действий.

Ключевые особенности

  • Специализация на разработке: модель заточена под задачи программной инженерии и написание кода на локальном устройстве.
  • Поддержка инструментов и MCP: умеет выполнять function calling (вызов внешних функций), работать с MCP-серверами и веб-поиском.
  • Готовый GGUF-файл: доступна в 4-битной квантизации Q4_1 для запуска на GPU или только на CPU через llama.cpp.
  • Открытая лицензия: распространяется под лицензией Apache-2.0, что допускает свободное использование в проектах.

Что можно сделать

  • Локальный ассистент программиста: поднять OpenAI-совместимый API-сервер через llama-server и подключить его к редактору кода для генерации и разбора функций.
  • Автономный MCP-агент: встроить модель в пайплайны с подключением внешних утилит и MCP-инструментов для автоматизации рутинных задач.
  • Агент для веб-браузинга: использовать для сценариев навигации по сайтам и сбора информации без отправки данных в облако.

Пример

# Запуск OpenAI-совместимого сервера через llama.cpp
llama-server -hf wingmanllc/WINGMAN-OPENW.2.6-4B:Q4_1 --jinja -ngl 99 -c 8192
ПодробнееБенчмарки (по данным карточки): SWE Pro — 54.3 (против 33.8 у Qwen3.5-9B), BFCL-V4 — 71.8, MCP-Atlas — 62.4, BrowseComp — 53.1, PAgentBench — 74.1.
Требования и запуск: свежая сборка llama.cpp; для запуска только на CPU уберите флаг -ngl 99, при нехватке памяти уменьшите контекст -c; обязательно указывайте --jinja для корректного шаблона чата.
Ограничения: из-за размера 4B возможны фактические ошибки, сгенерированный код рекомендуется проверять перед запуском.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # wingmanllc/WINGMAN-OPENW.2.6-4B
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    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 wingmanllc/WINGMAN-OPENW.2.6-4B --local-dir ~/models/WINGMAN-OPENW.2.6-4B
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к WINGMAN-OPENW.2.6-4B
  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.

  • 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 WINGMAN-OPENW.2.6-4B — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

wingmanllc/WINGMAN-OPENW.2.6-4B
Автор
wingmanllc
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии