LINUX.ORG.RU

Вопрос к благородным донам по выбору модели

 


1

1

У меня 12 Гб видеопамяти + 32 Гб обычной. Что из относительно нового туда влезет, будет хорошо кодировать и не думать по дню? В принципе необязательно, чтобы моделька влезала в видяшку целиком, главное чтобы не тупила безбожно, оказавшись в оперативной памяти. Имеется llama.cpp под рукой. Да, хочу большой контекст, чтобы можно было большие задания давать.

Всем спасибо.

Ну судя по тому, что ты до этого пользовал qwen 2.5 - попробуй Gemma4 на 26b. Вполне может залететь.

lonelywoolf
()
Ответ на: комментарий от lonelywoolf

Ну да это дисцилляция с большого квена3.8, для простых задач (для суб агента) вполне пойдет.

sabacs ★
()
Ответ на: комментарий от LongLiveUbuntu

Ну ты погугли, тебе товарищ дал список как раз моделей, которые для твоей железки оптимальны, ну. И да, там есть MoE.

lonelywoolf
()
Ответ на: комментарий от LongLiveUbuntu

Эти плотные: Gemma4-12B, Qwen3.8-9B

Эти MoE: TielCoder(35B-A3), Qwen3.6-35B-A3, Gemma4-26B-A4

Здесь ещё один момент, на длинных контекстах желательно не квантовать kv кеш, или делать это минимально.

sabacs ★
()
Ответ на: комментарий от LongLiveUbuntu

MoE для тебя слишком большие. Даже для страты нужно минимум 64 оперативки.
Думаю надо пробовать qwen3.8-27b с оффлоадингом. Умнее врядли найдёшь.

GAMer ★★★★★
()
Ответ на: комментарий от GAMer

Я пробовал сабж с оффлоадингом, оно начинало довольно резво, но к концу уже по 3-4 токена выдавало, к концу дня что-то выходило (не конечное)

LongLiveUbuntu ★★★★★
() автор топика
Ответ на: комментарий от LongLiveUbuntu

Я пробовал сабж с оффлоадингом, оно начинало довольно резво, но к концу уже по 3-4 токена выдавало

Это, скорее всего, разросся контекст: у плотной модели с частью слоёв в оперативке каждый следующий токен обходится всё дороже. Для MoE вроде 35B-A3B в llama.cpp есть –n-cpu-moe: эксперты уходят в оперативную память, а внимание и KV-кэш остаются на видеокарте (-ngl при этом ставится на максимум). На 12 ГБ так обычно заметно бодрее, чем с плотной 27B.

RedirectRanger
()

Попробуйте flint 39B. В Q4_K_XL весит 23.3 GB. MoE, так что уляжется слоями в RAM. Активных экспертов всего 2,5B. Так что карта 12 Гб её вполне потянет. И по RAM проходите. HuggingFace

drbond ★
()
  • Markdown
Пустая строка (два раза Enter) начинает новый абзац. Знак '>' в начале абзаца выделяет абзац курсивом цитирования.
Внимание: прочитайте описание разметки Markdown.
Используйте Ctrl-Enter для размещения комментария