colibri
Движок на чистом C без зависимостей, который транслирует веса экспертов с диска для запуска 744B-параметрической модели GLM-5.2 MoE на потребительском оборудовании всего с 25 ГБ ОЗУ.
colibri
Что такое colibri?
colibri — сравнение с аналогами
| Модель ценообразования | Бесплатно | Бесплатно, Freemium | Платно | Платно |
| Бесплатные кредиты | ||||
| Ключевые возможности |
|
|
|
|
| Плюсы |
|
|
|
|
| Минусы |
|
|
|
|
| Кому подходит |
|
|
|
|
Как использовать colibri?
- 1Клонируйте репозиторий: git clone https://github.com/JustVugg/colibri.git
- 2Соберите движок: cd c && make
- 3Конвертируйте модель FP8 в int4: ./coli convert --model /path/to/model
- 4Запустите чат: COLI_MODEL=/path/to/model ./coli chat
- 5(Опционально) Используйте веб-интерфейс или совместимый с OpenAI сервер для графического интерфейса.
colibri Ключевые возможности
- Чистая реализация на C без внешних зависимостей
- Потоковая передача весов экспертов с диска с LRU-кэшем и опциональным закрепленным горячим хранилищем
- Точный прямой проход GLM-5.2 (glm_moe_dsa), подтвержденный до токена
- Внимание MLA со сжатым KV-кэшем (в 57 раз меньше)
- Встроенное спекулятивное декодирование MTP для до 2.8 токенов за прямой проход
- Ядра целочисленного скалярного произведения (int8/int4) с ускорением AVX2
- Обучаемый на лету кэш, который адаптируется к шаблонам использования
colibri Сценарии использования
- Запуск 744B-параметрической модели MoE на потребительском ноутбуке или ПК
- Офлайн чат и инференс без облачных зависимостей
- Исследования и эксперименты с большими архитектурами MoE
- Образовательные демонстрации возможностей передовых моделей на ограниченном оборудовании
colibri Цены и бесплатный доступ
Модель оплаты colibri: Бесплатно.
colibri Плюсы и минусы
Плюсы
- Запускает модель с 744B параметров на потребительском оборудовании всего с 25 ГБ ОЗУ
- Открытый исходный код и полная прозрачность (код на C, без зависимостей)
- Эффективная потоковая передача с диска с кэшированием позволяет длительное использование
- Активные бенчмарки и улучшения сообщества
Минусы
- Очень медленное холодное декодирование (0.05-0.1 ток/с на типичном NVMe)
- Требуется ~370 ГБ дискового пространства для конвертированной модели int4
- Поддерживает только модель GLM-5.2 (нет гибкости нескольких моделей)
- Бэкенд CUDA экспериментальный и ограниченный
Для чего лучше всего подходит colibri?
- Разработчикам, желающим запускать большие модели локально
- Исследователям ИИ, изучающим архитектуры MoE на ограниченном оборудовании
- Энтузиастам, интересующимся инференсом передовых моделей без облачных затрат
Частые вопросы о colibri
Бесплатные альтернативы colibri
Единый AI-шлюз, предоставляющий доступ к 300+ ведущим моделям через один API, размещенный в ЕС и соответствующий GDPR, с интерфейсом, совместимым с OpenAI SDK.
Унифицированный AI API-шлюз, предоставляющий доступ к ведущим LLM, моделям изображений, видео и кода по доступным ценам.
Один чат-интерфейс, дающий доступ к более чем 100 моделям ИИ, автоматически выбирающий лучшую модель для вашей задачи, отслеживая энергопотребление и защищая вашу конфиденциальность.
Oxlo.ai — это API для AI-инференса с приоритетом конфиденциальности, предлагающий ценообразование на основе запросов для более чем 45 моделей с открытым исходным кодом.
Graphsignal — это платформа профилирования вывода производственного масштаба, которая помогает инженерам оптимизировать производительность ИИ в моделях, движках, GPU и других ускорителях.
Atlas Cloud — это full-modal AI inference platform, предлагающая один API для chat, image, video и audio моделей.
Groq обеспечивает быстрое и недорогое AI inference через GroqCloud и собственный стек LPU.
Лучшие альтернативы AI инструментов для colibri
Универсальная AI-платформа для команд, обеспечивающая доступ к ведущим моделям ИИ, таким как GPT, Claude, Gemini и другим, в защищённом совместном рабочем пространстве.
Специализированный локальный движок вывода для больших языковых моделей, оптимизированный для Apple Silicon и потоковой передачи с SSD в системах с ограниченной памятью.
Унифицированная среда выполнения AI-инференса для Java с нулевым выделением памяти, объединяющая конвейеры LLM, зрения и речи через Project Panama.
Единый AI-шлюз, предоставляющий доступ к 300+ ведущим моделям через один API, размещенный в ЕС и соответствующий GDPR, с интерфейсом, совместимым с OpenAI SDK.
Единая API-платформа для вывода LLM с оптимизацией стоимости, маршрутизацией, наблюдаемостью и автоматическим переключением при сбоях.