К содержимому
Компьютерное зрение

STELLA-RSI-27b

научный ассистент на базе Qwen3.8

2 мин чтения

STELLA-RSI-27b — мультимодальная модель объёмом 27.78B параметров, дообученная командой STELLA поверх Qwen3.8-27B. Она создана для научных исследований на основе данных: помогает разбирать исследовательские вопросы, интерпретировать описания датасетов, планировать статистический анализ и формулировать гипотезы. Модель работает с текстом и изображениями (задача image-text-to-text) и полностью сохраняет архитектуру, токенизатор и шаблон чата базовой модели.

Ключевые особенности

  • Полная совместимость с экосистемой Qwen3.8-27B: без изменений оставлены архитектура, vision tower (модуль обработки изображений) и MTP head (блок предсказания нескольких токенов сразу).
  • В репозитории доступны как полные объединённые веса модели, так и отдельный LoRA-адаптер (лёгкая надстройка над базовой моделью).
  • Заточена под рабочие процессы STELLA для анализа данных и научного поиска.
  • Распространяется под открытой лицензией Apache-2.0.

Что можно сделать

  • Подключить к пайплайнам анализа данных для первичного разбора описаний датасетов и подбора методов статистики.
  • Использовать как исследовательского ассистента для генерации и проверки научных гипотез по постановке задачи.
  • Запускать в любой инфраструктуре, где уже развёрнута Qwen3.8-27B, или подгружать только LoRA-адаптер поверх базовой модели.

Пример

from transformers import AutoModelForImageTextToText, AutoTokenizer

model_id = "Zaixi/STELLA-RSI-27b"
tok = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForImageTextToText.from_pretrained(model_id, dtype="bfloat16", device_map="auto")

messages = [{"role": "user", "content": "Your question here"}]
inputs = tok.apply_chat_template(messages, add_generation_prompt=True, enable_thinking=False,
                                 return_tensors="pt", return_dict=True).to(model.device)
out = model.generate(**inputs, max_new_tokens=512)
print(tok.decode(out[0, inputs["input_ids"].shape[1]:], skip_special_tokens=True))
ПодробнееПараметры: 27.78B, формат запуска в примере — bfloat16.
Бенчмарки и детали датасетов обучения в карточке не приведены.
Поддерживает режим отключения рассуждений (enable_thinking=False) через стандартный chat template.
Обсудить Telegram 1 2

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 52 GB · готовые файлы57 GB
  • FP8 / INT8рекомендуемвеса 26 GB29 GB
  • 4-bitвеса 15 GB17 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.

    # Zaixi/STELLA-RSI-27b
    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 Zaixi/STELLA-RSI-27b --local-dir ~/models/STELLA-RSI-27b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к STELLA-RSI-27b
  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

Zaixi/STELLA-RSI-27b
Автор
Zaixi
Категория
Компьютерное зрение
Дата выхода
На сайте

На сайте

Hugging Face

21

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

Aether-15B

Aether-15B