К содержимому
Другое

Starlord-27B-v2.0-preview

выбор ответа за один проход без генерации текста

2 мин чтенияобновлено

Модель принятия решений на базе Qwen3.8-27B (27.36B параметров) от автора xsdfasfgsa. Вместо привычной посимвольной генерации ответа она считывает логиты (сырые оценки вероятностей токенов) напрямую из исходного словаря и обрабатывает контекст вместе со всеми вопросами за один прямой проход (forward pass). За счёт этого модель сразу вычисляет вероятности вариантов через FP32 softmax с отключённым KV-кэшем, что ускоряет оценку выбора среди большого числа опций. Пригодится исследователям и разработчикам систем принятия решений, тестирования и автоматического выбора вариантов в длинном контексте.

Ключевые особенности

  • Работает без генерации токенов (0 generated tokens): вычисляет вероятности кандидатов за один проход.
  • Принимает длинный общий запрос до 131 072 токенов с контекстом и набором вопросов сразу.
  • Поддерживает до 512 вариантов ответа на каждый вопрос.
  • Основана на Qwen/Qwen3.8-27B, в семействе релиза также есть версия на 2B параметров.

Что можно сделать

  • Встроить в пайплайны оценки и бенчмарки через библиотеку decision_index (DirectEngine) для задач выбора из множества вариантов.
  • Использовать в системах маршрутизации и классификации, где нужно ранжировать до 512 готовых решений по длинному описанию состояния без затрат на авторегрессивную генерацию.

Пример

export PYTHONPATH="$PWD/inference${PYTHONPATH:+:$PYTHONPATH}"
CUDA_VISIBLE_DEVICES=0 python -m decision_index pipeline \
  --edition 0.3 \
  --suite-dir /path/to/suite-0.3 \
  --engine direct_engine:DirectEngine \
  --model . \
  --option maximum_tokens=131072 \
  --out decision-index-results
ПодробнееБенчмарк Decision Index Public 0.3 (локальный прогон): 78.45 (официальная проверка ожидается).
Железо и точность: требуется CUDA GPU с поддержкой BF16 и FlashAttention 2.8.3 (тестировалось на 8 × NVIDIA H800, по одной модели на GPU, batch size 1, TF32 и KV-кэш отключены).
Стек: PyTorch 2.10.0+cu130, Transformers 5.3.0, Accelerate 1.15.0, flash-linear-attention 0.4.1.
Обсудить Telegram 0 22

Запустится ли?

Запустится в 4-bit

Полная точность не влезет, но сжатая версия поместится — качество почти не страдает до 8 бит, заметнее на 4 битах.

  • BF16веса 51 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 25 GB29 GB
  • 4-bitвеса 14 GB16 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.

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.

    # xsdfasfgsa/Starlord-27B-v2.0-preview
    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 xsdfasfgsa/Starlord-27B-v2.0-preview --local-dir ~/models/Starlord-27B-v2.0-preview
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Starlord-27B-v2.0-preview
  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

Qwen/Qwen3.8-27B

Новые посты про версии Qwen3.8-27B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 2Все на Hugging Face

О модели

xsdfasfgsa/Starlord-27B-v2.0-preview
Автор
xsdfasfgsa
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

220

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Компьютерное зрение

CSM-1-Preview

CSM-1-Preview