К содержимому
Видео

reactivegwm-sf3-d-v1

файнтюн world-модели для Street Fighter III

2 мин чтенияобновлено

Экспериментальный файнтюн нейросети ReactiveGWM v2 (5.28 млрд параметров) от пользователя xixibuxixi для задачи image-to-video. Модель превращает стартовый кадр и заданную последовательность команд в интерактивную видеосимуляцию матча Street Fighter III. За основу взят официальный чекпоинт SF3/main, но автор дообучил его на 9 500 собственных игровых клипах без примеси данных из других файтингов. Главная цель релиза — восстановить реакцию генератора на дополнительную кнопку управления macro_D, которой не было в стандартном наборе из 20 действий.

Ключевые особенности

  • Обучена исключительно на 9 500 клипах Street Fighter III без использования данных из KOF98 и смешанных чекпоинтов.
  • Сохраняет 20 базовых действий SF3 и добавляет 21-ю команду управления macro_D для генерации роликов по пользовательским сценариям.
  • Включает девять дополнительных текстовых описаний стратегий поведения NPC из обучающего датасета.
  • Генерирует стандартный отрезок из 101 кадра, разбитый на 25 четырёхкадровых интервалов управления.

Что можно сделать

  • Запускать интерактивные видеороллауты матчей Street Fighter III через официальный код ReactiveGWM v2, подавая на вход собственный JSON со сценарием из 25 действий.
  • Исследовать на практике, какие игровые приёмы и анимации выучила модель для новой метки macro_D и девяти стратегий NPC.

Пример

Для запуска используйте репозиторий ReactiveGWM v2, указав данный чекпоинт вместе с прилагаемой папкой text/ и файлами config.yaml и metadata.json. В пользовательском JSON управления для каждого управляемого персонажа задаётся ровно 25 действий (например, стандартные команды SF3 в сочетании с macro_D), после чего модель генерирует видеопоследовательность длиной 101 кадр.

ПодробнееОбучение: 1 188 шагов (около 1 эпохи, 9 504 примера) на 8 GPU NVIDIA H20 в точности BF16 при learning rate 1e-5.
Метрики на отложенной выборке (100 клипов): holdout loss — 0.243562, holdout MSE — 0.268072.
Ограничения: полный бенчмарк SF3 Att/Move ещё не пройден; при пересечении бойцов или смене сторон возможны ошибки идентификации ролей.
Для корректного инференса требуется сохранить оригинальную таблицу текстовых меток из папки text/, а также стандартные VAE и токенизатор из инструкции SF3.
Обсудить Telegram 0 13

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 9.8 GB · готовые файлы14 GB
  • FP8 / INT8рекомендуемвеса 4.9 GB8.7 GB
  • 4-bitвеса 2.8 GB6.2 GB

Совет: берите 8-bit.FP8 / 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: FP8 / INT8 — от RTX 3080 · BF16 — от RTX 5080

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.

    # xixibuxixi/reactivegwm-sf3-d-v1
    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 xixibuxixi/reactivegwm-sf3-d-v1 --local-dir ~/models/reactivegwm-sf3-d-v1
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к reactivegwm-sf3-d-v1
  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.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • 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 (3)
    • 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.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • LightX2V step distill0.6.1от 9 ноября 2026новая версия

    5–10× меньше шагов

    Дистиллированные LoRA и движок: видео за 4–8 шагов вместо 30–50.

    Как включить: Подключите их step-distill LoRA к модели, CFG 1.0, 4–8 шагов.

  • 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

INV-WZQ/ReactiveGWM-v2-Models

Новые посты про версии ReactiveGWM-v2-Models — сжатые, дообучения, LoRA — появятся в колокольчике.

Дообучения 1Все на Hugging Face

О модели

xixibuxixi/reactivegwm-sf3-d-v1
Автор
xixibuxixi
Категория
Видео
Дата выхода
На сайте

На сайте

Hugging Face

130

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии