К содержимому
Другое

Starlord-4B-v2.0-preview

модель для принятия решений на базе Qwen

1 мин чтения

Новая модель Starlord-4B-v2.0-preview создана на базе Qwen/Qwen3.5-4B (4.54 млрд параметров) и представляет собой модель для принятия решений (decision model). Вместо генерации текста она считывает логиты кандидатов из оригинального словаря и обрабатывает состояние вместе со всеми вопросами за один проход (forward pass). Модель поддерживает длину контекста до 131 072 токенов и до 512 вариантов выбора на один вопрос. Разработка пригодится исследователям и инженерам, работающим с логическим выбором вариантов и бенчмарками.

Ключевые особенности

  • Работает без генерации текста, считывая логиты из оригинального словаря
  • Поддерживает контекст до 131 072 токенов для совместных запросов
  • Способна обрабатывать до 512 вариантов выбора на один вопрос
  • Требует совместимую BF16 CUDA GPU (например, NVIDIA H800) и FlashAttention

Что можно сделать

  • Запустить оценку производительности на бенчмарках JevBench и Decision Index
  • Развернуть модель как локальный сервис для оценки вариантов ответов
  • Использовать в исследовательских пайплайнах для задач на выбор из множества опций

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 di_engine:DecisionIndexEngine \
  --model . \
  --option maximum_tokens=131072 \
  --out decision-index-results
ПодробнееБенчмарки: JevBench Public — 94.37% (218/231), Decision Index Public 0.3 — 78.91%
Железо: 1 × NVIDIA H800 с поддержкой BF16 и CUDA Graph
Ограничения: KV-кеш отключен, генерация токенов равна 0
Стек: PyTorch 2.10.0, Transformers 5.3.0, FlashAttention 2.8.3
Обсудить Telegram 0 24

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 8.5 GB · готовые файлы9.8 GB
  • FP8 / INT8рекомендуемвеса 4.2 GB5.2 GB
  • 4-bitвеса 2.4 GB3.1 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 2060 · BF16 — от RTX 3080

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.

    # xsdfasfgsa/Starlord-4B-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-4B-v2.0-preview --local-dir ~/models/Starlord-4B-v2.0-preview
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к Starlord-4B-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/Qwen3.5-4B
  1. Qwen3.5-4B-Baseоснова семьи
  2. Qwen3.5-4B
  3. Starlord-4B-v2.0-preview

Новые посты про версии Qwen3.5-4B-Base — сжатые, дообучения, LoRA — появятся в колокольчике.

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

О модели

xsdfasfgsa/Starlord-4B-v2.0-preview
Автор
xsdfasfgsa
Категория
Другое
Дата выхода
На сайте

На сайте

Hugging Face

240

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии