Udgam Labs публикува на 22 октомври Laghu — изследователски чат модел на английски с около 152 милиона параметъра. Авторите отчитат 146,26 долара за основното предварително обучение и около 194 долара за целия проект. Това са заявени изчислителни разходи на конкретния експеримент, а не пълна цена за създаване и поддръжка на произволен AI продукт.

Препоръчаният квантизиран файл е приблизително 163 MB, а конфигурацията за чат е с контекст до 16K токена. Малкият размер е интересен за локални експерименти, но не е достатъчно основание моделът да бъде използван като общопредназначен надежден помощник. Първо трябва да се установи какво успява да направи в избраната задача.

Резултатите включват и слабите страни

Публикуваният набор laghu-evals съдържа резултати и ограничения на оценяването. Авторите отчитат 7,9% по GSM8K с включено разсъждение и посочват, че Laghu не печели нито една предварително определена категория срещу всички трима съперници. Това е изследователско издание, не доказан победител в класа си.

Оценката на качеството на разговорите използва друг модел като съдия. В набора са разграничени случаи с индивидуални отговори и случаи, за които лицензите позволяват само обобщени показатели. Следователно външният проверяващ трябва да установи кои числа може действително да пресметне от достъпните файлове.

Тази прозрачност е полезна, защото отделя две различни новини: какво може моделът и какво може да се провери за него. Публикуването на неуспех не подобрява автоматично качеството на отговорите. То обаче позволява на следващия екип да не повтаря непременно същата оценка на доверие, без да вижда доказателствата.

Малък файл не е цялата работеща система

За локално внедряване препоръчваме да се записват точната версия, форматът, контекстът и настройките за генериране. Две приложения могат да заредят един и същ модел и да го използват по различен начин. Сравнение, което не фиксира тези условия, трудно може да обясни откъде идва разликата в резултата.

Полезен първи тест би включвал кратки въпроси с проверими отговори, последващи уточнения и случаи, в които моделът трябва да признае липса на информация. Отделно се измерват времето за отговор и използваните ресурси. Ако предназначението е на български, трябва самостоятелен езиков тест; обявеното английско предназначение не удостоверява качество на български.

Това са предложения за пилот, а не резултати от тест на SIExpo. Не сме обучавали или изпълнявали Laghu и не потвърждаваме независимо отчетените разходи. Предоставените от авторите сравнения остават техни измервания при посочените от тях условия.

Отвореността има няколко слоя

Изданието включва код, моделни файлове, рецепта и запазени контролни състояния. Авторският код и теглата са с Apache 2.0, докато данните и външните компоненти имат отделни обозначения. Един общ етикет не отменя условията за всеки използван набор или зависимост.

Редакционният извод е, че стойността на Laghu е в достъпния обект за изучаване: достатъчно малък за практическо разглеждане и с видими граници на резултатите. Изборът за реална услуга трябва да следва собствени критерии за точност, език, ресурс и поддръжка. Публикуваната рецепта е начало на такава проверка, а не нейният положителен изход.

*Корица: концептуална AI илюстрация.*

*Проверка на източниците: 2026-10-23T16:10:40.049366+00:00.*