/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
12,4 млн
Лицензия
Своя лицензия
Архитектура
zyr3 · dense
Базовая модель
Qwen2.5-Coder-7B-Instruct
Библиотека
transformers
Опубликована
4 сен 2026

zyr3-v1

Генерация текстаТекст → текст10 профессий

ZYR3 v1 — модель-ассистент для агентного программирования, разработанная автором или командой zyr-AGENT.

144скачиваний за 30 дней1лайквеса обновлены8 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Она реализована как LoRA-адаптер для Qwen/Qwen2.5-Coder-7B-Instruct и предназначена для самостоятельного развёртывания на пользовательском оборудовании; размещённого API модели не предоставляется.

Модель ориентирована на генерацию, объяснение и редактирование кода, отладку, поиск ошибок, рефакторинг, обработку граничных случаев и итеративное решение многошаговых задач. В комплекте предусмотрен агентный режим Planner + Coder: планировщик разбивает задачу на последовательные этапы, а кодировщик реализует их с учётом уже созданных файлов. Поддерживается интеграция с инструментами и клиентами через OpenAI-совместимый API после самостоятельного развёртывания.

Архитектурно это адаптер для 7-миллиардной текстовой модели Qwen2.5-Coder-Instruct. Модель работает с текстом и кодом; конкретный набор языков программирования и размер контекстного окна в README не указаны. Для работы требуется базовая модель объёмом около 15 ГБ в формате fp16 и адаптер размером около 80 МБ. Возможны запуск через Transformers и PEFT, 4-битная загрузка, а также объединение и конвертация в GGUF для Ollama или llama.cpp. Рекомендуется NVIDIA GPU; запуск на CPU возможен для квантованных вариантов, но будет медленным.

Модель удобна для локальной разработки и подключения к coding-agent инструментам, однако качество и скорость зависят от базовой модели, доступных ресурсов и выбранного способа квантования. Лицензия указана как zyr3-free-use-1.0; подробные условия приведены в файле LICENSE по ссылке, указанной в README.

Для каких профессий подходит10

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

ZYR3 v1

ZYR3 v1 is an agentic coding assistant built as a LoRA adapter on Qwen/Qwen2.5-Coder-7B-Instruct. It behaves as an AI coding assistant rather than only a code generator: it explains code, edits, refactors, debugs, and works through multi-step coding tasks iteratively.

There is no hosted ZYR3-V1 API. ZYR3-V1 is a self-hosted model: you load the 7B base model and this adapter on your own GPU.

Agent layer (Planner + Coder)

The repo ships an in-process multi-agent mode. POST /v1/agents/plan-code with {"task": "...", "context": "..."} runs two agents on the loaded model:

  1. Planner (PG) - splits the task into ordered steps (<PLAN> JSON).
  2. Coder (CG) - implements each step, emitting one <CODE file="..."> block per file, with already-written files kept in context for consistency.

Response: {task, steps, files, summary}. Set ZYR3_AGENT_URL (and optional ZYR3_AGENT_MODEL/ZYR3_AGENT_KEY) to route the agents at a remote endpoint instead - e.g. a zyr3-3.1 MoE (Qwen3-30B-A3B) build can act as the stronger coder while zyr3-v1 stays the planner. Run the same orchestration standalone with python agents.py "write a python hello world with tests".

What you need

  • Base model: Qwen/Qwen2.5-Coder-7B-Instruct (downloads automatically from Hugging Face, ~15 GB fp16)
  • Adapter: zyr-AGENT/zyr3-v1 (this repo, ~80 MB)
PathVRAMSpeed
Transformers + PEFT, fp16~16 GBfull speed
Transformers + PEFT, 4-bit load~8-9 GBslightly slower
GGUF quantized via Ollama / llama.cpp6-8 GB (Q4_K_M ~5 GB)fast, low VRAM

NVIDIA CUDA GPU recommended. CPU works for quantized GGUF but is slow.

Capabilities

  • Coding
  • Code explanation
  • Code editing
  • Debugging
  • Bug finding
  • Refactoring
  • Iterative problem solving
  • Programming reasoning
  • Multi-step coding tasks
  • Edge-case handling

Path A — Transformers + PEFT (GPU)

Install:

pip install torch transformers accelerate peft safetensors

Load and chat (fp16, ~16 GB VRAM):

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer
from peft import PeftModel

base_model = "Qwen/Qwen2.5-Coder-7B-Instruct"
adapter = "zyr-AGENT/zyr3-v1"

tokenizer = AutoTokenizer.from_pretrained(base_model)
model = AutoModelForCausalLM.from_pretrained(
    base_model,
    torch_dtype=torch.float16,
    device_map="auto",
)
model = PeftModel.from_pretrained(model, adapter)

messages = [
    {"role": "system", "content": "You are ZYR3, an agentic coding assistant."},
    {"role": "user", "content": "Write a Flask web server."},
]
inputs = tokenizer.apply_chat_template(
    messages, tokenize=True, add_generation_prompt=True, return_tensors="pt"
).to(model.device)
out = model.generate(**inputs, max_new_tokens=512)
print(tokenizer.decode(out[0], skip_special_tokens=True))

Low-VRAM alternative: add 4-bit loading via bitsandbytes:

from transformers import BitsAndBytesConfig

quant = BitsAndBytesConfig(load_in_4bit=True, bnb_4bit_compute_dtype=torch.float16)
model = AutoModelForCausalLM.from_pretrained(
    base_model, quantization_config=quant, device_map="auto"
)
model = PeftModel.from_pretrained(model, adapter)

CLI helper (env-driven):

python infer.py "def add(a, b):"

Path B — GGUF / Ollama (low VRAM)

Ollama cannot load a PEFT adapter directly, so merge first, convert to GGUF, then quantize.

# Merge adapter into the base model (needs ~20 GB RAM or a 16 GB GPU)
python merge_for_ollama.py          # writes ./merged_zyr3

# Convert to GGUF (llama.cpp: https://github.com/ggerganov/llama.cpp)
python llama.cpp/convert_hf_to_gguf.py merged_zyr3 \
    --outfile zyr3-v1-f16.gguf --outtype f16

# Quantize to 4-bit for 6-8 GB GPUs
llama.cpp/build/bin/llama-quantize zyr3-v1-f16.gguf \
    zyr3-v1-q4_k_m.gguf q4_k_m

# Create and run the Ollama model
ollama create zyr3-v1 -f ollama/Modelfile
ollama run zyr3-v1 "Write a Flask web server"

ollama/Modelfile uses ChatML formatting (<|im_start|> / <|im_end|>) and a ZYR3 system prompt. The FROM line points at zyr3-v1-q4_k_m.gguf; adjust it if you skip quantization (use ./zyr3-v1-f16.gguf).

Serve it as an OpenAI-compatible API (/v1) for VS Code anywhere

Once you have Path B working on any GPU machine (desktop, VPS, or cloud VM), expose ZYR3-V1 as an OpenAI-compatible /v1 endpoint that Cline, Continue, Roo Code, or any coding agent can connect to.

1. Run the server on your GPU host

Option A — Ollama (simplest). Ollama exposes OpenAI-compatible endpoints automatically at /v1/chat/completions:

ollama create zyr3-v1 -f ollama/Modelfile

# listen on all interfaces so other machines can reach it
OLLAMA_HOST=0.0.0.0:11434 ollama serve

Verify locally:

curl http://localhost:11434/v1/chat/completions \
  -H "Content-Type: application/json" \
  -d '{"model":"zyr3-v1","messages":[{"role":"user","content":"hi"}]}'

Option B — vLLM (higher throughput, one server, needs the merged model):

vllm serve merged_zyr3 --served-model-name zyr3-v1 --port 8000

Endpoint: http://HOST:8000/v1.

2. Reach it from anywhere

  • Fastest/safest for personal use: Tailscale on the host and your laptop, then use http://<tailscale-ip>:11434/v1.
  • For a public endpoint put a reverse proxy (nginx / Cloudflare Tunnel) in front with a bearer token; Ollama itself has no auth.

3. Point VS Code at it

Cline / Roo Code (OpenAI Compatible provider):

{
  "provider": "OpenAI Compatible",
  "baseUrl": "http://HOST:11434/v1",
  "apiKey": "none",
  "model": "zyr3-v1"
}

Continue (config.yaml):

models:
  - name: ZYR3-V1
    provider: openai
    model: zyr3-v1
    apiBase: http://HOST:11434/v1
    apiKey: none

Any OpenAI-compatible client works the same way: base URL http://HOST:11434/v1 (or :8000/v1), model id zyr3-v1.

Files

  • adapter_config.json / adapter_model.safetensors — the PEFT LoRA weights
  • infer.py — GPU chat CLI (Path A)
  • merge_for_ollama.py — merge adapter into the base model (Path B)
  • ollama/Modelfile — Ollama template (Path B)
  • config.json + modeling_zyr3.py — optional custom-code transformers wrapper (for HF "servable model" listing / API-style loading via trust_remote_code=True); the real inference is the base + adapter above.

Project

ZYR3

Version: v1

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; запуск откроется после проверки совместимости.

Класс архитектуры
ZYR3ForCausalLM
Ревизия весов
2baffb6

0 моделей