Lumma-Fev-27B: новая локальная модель для выбора из заданных вариантов

Что именно вышло?

В открытом репозитории лежат 11 файлов весов Safetensors, отдельная часть для выдачи решения и конфигурация модели. Веса — результат дообучения Qwen3.8-27B; авторы заявляют около 100 тысяч обучающих примеров. Доступны английский, хинди, тамильский и каннада; русский в поддерживаемых языках не указан. Репозиторий помечен Apache 2.0 и содержит текст этой лицензии и NOTICE с атрибуцией исходной Qwen. Это условия опубликованных весов, а не автоматическое утверждение о правах любого стороннего приложения или сервиса. s1 s2 s3 s4

Кому поможет модель?

Её задача — классифицировать уже известные варианты, например выбрать команду для обращения или ответить «да/нет» на вопрос о срочности. В отличие от обычного чат-бота, вы заранее задаёте названия вариантов, а результатом становится структурированное решение с вероятностями. Вероятность — оценка модели, не гарантия правильности; автоматическое действие по ней стоит разрешать только после проверки на собственных размеченных примерах. Типы вопросов choice (выбор) и noul (да/нет) авторы обучали и оценивали, а score (упорядоченная оценка) интерфейс принимает, но для этой версии он не испытан. s1 s2

Насколько хороши результаты?

По измерениям самих FrontiersMind на наборе из 4454 отложенных решений Lumma-Fev-27B дала 90,7% правильных ответов против 83,9% у TypeSafe Jev. Jev в этом сравнении запускался через удалённый API версии 1.13, так что это не сравнение скорости двух локальных программ. Авторы также пишут, что Jev лучше на части общих задач рассуждения; тесты на индийских языках были внутренними. Независимого повторения этих измерений у Modelium нет, а качество на русских обращениях из них не следует. s1

Можно ли поставить её на домашний компьютер?

Официальная карточка рекомендует для одного GPU около 55 ГБ свободной видеопамяти и в качестве ориентира называет карту на 80 ГБ; также описан вариант с несколькими GPU. Это рекомендация авторов для данного запуска, а не универсальный минимум для каждой конфигурации. Архив весов сам по себе не определяет потребность в оперативной или видеопамяти. Авторы предлагают Python-пакет lumma-fev версии 0.2 и пример на английском: текст обращения об ошибке подключения с вариантами «платежи», «поддержка», «продажи» должен дать выбор «поддержка». Это пример из документации, не запуск редакции и не обещание того же числа вероятности на вашем оборудовании. s2 s5

Для первого знакомства без такого GPU разумнее начать с ранее описанной Lumma-Fev-0.1B, но не переносить на маленькую версию измерения качества 27B: это разные модели. Если ваши данные на русском, сначала отдельно проверьте качество на собственных примерах, прежде чем доверять автоматической маршрутизации. s1 s2