Попробовали настольный Slay the Spire, и мне очень понравилось.
Кто не знает, Slay the Spire это изначально инди-видеоигра в жанре «роглайк на построение колоды». Нарисована она совсем простовато (не пиксель арт, и то хорошо), зато обладает своего рода эталонным геймдизайном. Там нет ничего лишнего, но есть всё нужное. Причём, большинство эффектов считается в уме, а пространство решений для игрока всё равно очень большое. Попытки других разработчиков скопировать эту игру и добавить в неё что-то дополнительное («Чёрная Книга», «Knock on the Coffin Lid») сразу показали, что результат становится сильно хуже.
Короче, если вам нужна игра не про «спинномозговой» геймплей, а про шевеление головой, при этом позволяющая зайти на 15 минуток в день сыграть пару боёв, реиграбельная и не зависящая от присутствия задротов (в отличие от онлайн игр), то это очень хороший вариант.
Поэтому, когда вышла настолка, вопрос о покупке не стоял. Да, настолки по видеоиграм нередко оказываются довольно вторичными и либо не предлагают ничего принципиально нового, либо, наоборот, переиначивают первоисточник сверх меры. Здесь у меня тоже были определённые опасения, например, о том, что потребуется перекладывать слишком много компонентов там, где в видеоигре действия выполнял компьютер.
К счастью, опасения не подтвердились, и авторы очень хорошо поработали над адаптацией: все числа уменьшили, сократили математику, упростили эффекты, не сломав их качественную суть, и добавили кооператив, который действительно играет роль. Прибавьте к этому приятные ощущения от того, что ты не на экране на карточки смотришь, а листаешь их в руках, плюс возможность разделить эмоции и тяготы прохождения с друзьями.
В общем, прямо очень порадовало. #games@clockstackwheels
🚀 OpenAI **gpt-oss** с ультрадлинным контекстом!
Unsloth выпустили Flex Attention, который даёт до 61K контекста для gpt-oss bf16 при обучении на GPU с 80GB.
📊 Что это значит:
- 8× больше контекста
- потребляет на 50% меньше VRAM
- 1.5× быстрее по сравнению с альтернативами (включая FA3)
Для BF16 LoRA теперь можно тренировать с ~60K контекстом на одной H100 80GB.
🔗 Подробнее: https://docs.unsloth.ai/basics/long-context-gpt-oss-training
@ai_machinelearning_big_data
#Unsloth#OpenAI#gptoss#chatgpt
⚡️GGUF-версии GPT-OSS от Unsloth.
Unsloth конвертировали обе GPT-OSS (20B и 120B) и исправили ошибки, чтобы повысить качество инференса.
🟡Оптимальный сетап:
🟢20B работает со скоростью более 10 токенов/с при полной точности на 14 ГБ оперативной памяти.
🟢120B с полной точностью будет давать >40 токенов/с на примерно 64 ГБ ОЗУ.
Минимальных требований для запуска моделей нет, запуститься можно даже если у вас всего 6 ГБ и только CPU, но инференс будет медленнее.
GPU не требуется , особенно для модели 20B, но его наличие значительно увеличивает скорость вывода (~80 токенов/с). С чем-то вроде H100 можно получить пропускную способность 140 токенов/с, и это значительно быстрее, чем у OpenAI в ChatGPT.
Модели можно запустить через llama.cpp, LM Studio или Open WebUI. Если модель 120B слишком медленная, попробуйте версию 20B - она очень быстрая и работает не хуже o3-mini.
Помимо моделей формата GGUF c полной точностью, Unsloth сделали версии с 4-bit и 16-bit точностью. 4-бинтый квант, кстати, можно файнтюнить на 24 ГБ VRAM.
📌 Подробная пошаговая инструкция по локальному запуску и файнтюну - в документации Unsloth.
🟡Набор моделей
🟡Документация
@ai_machinelearning_big_data
#AI#ML#GPTOSS#GGUF#Unsloth
📌Тренируем FunctionGemma самостоятельно.
LM Studio в коллаборации с Unsloth опубликовали подробный туториал по файнтюнингу недавно выпущенной Google модели FunctionGemma.
FunctionGemma - уменьшенная версия Gemma (всего 270Ь параметров) для агентских сценариев и работы в качестве бэкенда приложений, которую можно запускать практически на любом устройстве.
Гайд состоит из подробного описания всего процесса от обучения модели вызову инструментов до преобразования в GGUF-формат и последующего запуска его в LM Studio
Туториал подойдет для локального трейна (Unsloth работает на NVIDIA, AMD и Intel), но есть и готовый Collab Notebook для тренировки в облаке.
⚠️ FunctionGemma не предназначена для использования в качестве прямой диалоговой модели.
@ai_machinelearning_big_data
#AI#ML#LLM#Tutorial#Unsloth#LMStudio