К содержимому
Другое

IBM-Grok4-UltraFast-Coder-1B-GGUF

лёгкий кодер с повадками Grok-4

2 мин чтения

Разработчик WithinUsAI взял компактную языковую модель ibm-granite/granite-4.0-h-1b (~1,5B параметров) с гибридной архитектурой Mamba-2/Transformer и провёл её полный файнтюн (дообучение всех весов без LoRA-адаптеров). Для обучения использовали 9 датасетов (около 15,2 тыс. примеров), дистиллированных из семейств xAI Grok-4, Grok-4.1-Fast и Grok Code Fast 1. В результате получилась быстрая локальная модель в формате GGUF для генерации кода, пошаговых рассуждений и математических задач, которой в квантизации Q4_K_M хватает около 1 ГБ оперативной памяти — она без проблем запустится на обычном ноутбуке или мини-ПК.

Ключевые особенности

  • Гибридная архитектура: 4 слоя внимания (attention) и 36 слоёв Mamba-2 обеспечивают линейную скорость обработки последовательностей и низкое потребление памяти.
  • Полный файнтюн на Grok: все веса модели обновлены на смеси данных по программированию, логике, олимпиадной математике (AIME, HMMT, SMT) и головоломкам ARC-AGI-1.
  • Длинный контекст: модель сохраняет контекстное окно базовой версии в 128K токенов и встроенный шаблон чата Granite.
  • Готовые квантизации GGUF: в репозитории собраны 12 вариантов сжатия от Q2_K до F16, совместимые с llama.cpp и Ollama.
  • Открытая лицензия: унаследованная от базы Apache 2.0 позволяет свободно использовать модель в личных и рабочих проектах.

Что можно сделать

  • Поставить как локального ассистента для написания и отладки скриптов на Python, веб-разработки и задач для встраиваемых систем на слабом железе.
  • Встроить в локальные агентские пайплайны и RAG-системы (генерация с поиском по базе знаний), где критична скорость отклика и лимит в ~1 ГБ RAM.
  • Использовать для пошагового разбора логических головоломок, математических задач и мозговых штурмов без обращения к облачным API.

Пример

Модель не имеет официальной связи с xAI или IBM и не проходила повторных замеров на бенчмарках после дообучения. В качестве ориентира автор приводит показатели исходной granite-4.0-h-1b: 73.0 на HumanEval (pass@1), 69.83 на GSM8K и 59.74 на MMLU. В карточке отмечено, что после обучения модель перенимает структурированный стиль рассуждений (chain-of-thought) и формат ответов моделей-учителей Grok.

ПодробнееБазовая модель: ibm-granite/granite-4.0-h-1b (~1,5B параметров, в метаданных GGUF/Ollama отображается как 2B).
Требования: квантизация Q4_K_M занимает около 1 ГБ RAM.
Обучение: 9 датасетов (~15,2K строк, основной объём — ~18,7M токенов из наборов Hyper-Logic и Hyper-Creative); гиперпараметры обучения не раскрыты.
Языки: преимущественно английский (база имеет мультиязычный претрейн), лицензия Apache 2.0.
Обсудить Telegram 0

Запустится ли?

Запустится в GGUF F16

Влезает самая точная из готовых сжатых версий.

  • GGUF F16веса 3.0 GB · готовые файлы3.8 GB
  • GGUF Q8_0рекомендуемвеса 1.6 GB · готовые файлы2.3 GB
  • GGUF Q6_Kвеса 1.3 GB · готовые файлы1.9 GB
  • GGUF Q5_K_Mвеса 1.1 GB · готовые файлы1.7 GB
  • GGUF Q5_K_Sвеса 1.1 GB · готовые файлы1.7 GB
  • GGUF Q4_K_Mвеса 1.0 GB · готовые файлы1.5 GB
  • GGUF Q4_K_Sвеса 0.9 GB · готовые файлы1.5 GB
  • GGUF IQ4_XSвеса 0.9 GB · готовые файлы1.5 GB
  • GGUF Q3_K_Lвеса 0.9 GB · готовые файлы1.4 GB
  • GGUF Q3_K_Mвеса 0.8 GB · готовые файлы1.4 GB
  • GGUF Q3_K_Sвеса 0.7 GB · готовые файлы1.3 GB
  • GGUF Q2_Kвеса 0.7 GB · готовые файлы1.2 GB

Совет: берите 8-bit.GGUF Q8_0 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: GGUF Q8_0 — от RTX 2060 · GGUF F16 — 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.

    # WithinUsAI/IBM-Grok4-UltraFast-Coder-1B-GGUF
    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 WithinUsAI/IBM-Grok4-UltraFast-Coder-1B-GGUF --local-dir ~/models/IBM-Grok4-UltraFast-Coder-1B-GGUF
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к IBM-Grok4-UltraFast-Coder-1B-GGUF
  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

Дообучение модели

ibm-granite/granite-4.0-h-1b
  1. granite-4.0-h-1b-baseоснова семьи
  2. granite-4.0-h-1b
  3. IBM-Grok4-UltraFast-Coder-1B-GGUF

Новые посты про версии granite-4.0-h-1b-base — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 9Все на Hugging Face
LoRA и адаптеры 1Все на Hugging Face

О модели

WithinUsAI/IBM-Grok4-UltraFast-Coder-1B-GGUF
Автор
WithinUsAI
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Другое

Tracera

Tracera