FUTO Swipe: Модели набора текста свайпом с открытым исходным кодом достигают точности крупных технологических компаний
Компания FUTO выпустила FUTO Swipe — семейство моделей и алгоритмов свайп-тайпинга с открытым исходным кодом, а также библиотеку для инференса. Модели обеспечивают работу офлайн-клавиатуры FUTO Keyboard для Android, но могут использоваться независимо по лицензии FUTO Model License.
Архитектура и бенчмарки
FUTO Swipe использует три типа моделей:
- Энкодер (635 140 параметров) — независимый от раскладки и языка универсальный предсказатель.
- ContextLM (1 498 472 параметра всего, 1.1M эмбеддингов) — крошечная языковая модель, обучаемая для каждого языка, отфильтровывает бессмысленные слова с учётом контекста. Требует только текстовые данные.
- Декодер (304 155 параметров) — зависит от языка и раскладки. Пока только QWERTY английский, обученный на реальных данных свайпов.
Вместе (1 364 271 активных / 2 494 767 всего параметров) модели достигают ~4% частоты ошибок в топ-4 на тестовом наборе. Исключая слова вне словаря, частота ошибок ниже 1%. По словам FUTO, это сопоставимо с клавиатурами крупных технологических компаний. Бенчмарки зависят от набора данных, статья готовится к публикации.
Набор данных
FUTO выпустила набор данных из 1 миллиона реальных английских свайпов QWERTY под лицензией MIT, собранных от добровольцев на swipe.futo.org. Доступен на HuggingFace.
Библиотека инференса
Сопутствующая библиотека swipe-library (C++, GPL) выполняет инференс, декодирование и лучевой поиск с ограничениями по словарю. С шириной луча 300 она преобразует траектории свайпов в ранжированные кандидаты слов. Библиотека работает на устройстве за миллисекунды, даже на слабых устройствах.
Как использовать
- Установите FUTO Keyboard v0.1.29 с futo.org для готового решения с офлайн-свайп-тайпингом.
- Загрузите модели с HuggingFace и интегрируйте через
swipe-library. - Требуется указание авторства согласно лицензии FUTO Model License.
FUTO работает над статьёй, описывающей обучение и архитектуру. Набор данных и модели уже доступны для разработчиков.
📖 Источник: HN AI Agents
👀 Смотрите также
Found-Issues плагин регистрирует ошибки, которые Клод игнорирует при работе над другими задачами
Плагин Claude Code, который записывает одну строку в docs/found-issues.md, когда агент замечает баги вне рамок задачи, с автоматическим закрытием при слиянии PR и определением удалённых строк.
SpruceChat запускает 0.5B LLM на устройстве на консолях Miyoo с помощью llama.cpp.
SpruceChat запускает Qwen2.5-0.5B полностью на устройстве на портативных игровых консолях с использованием llama.cpp, без необходимости в облаке или Wi-Fi. На Miyoo A30 (четырёхъядерный Cortex-A7) загрузка занимает ~60 секунд, а генерация идёт со скоростью ~1-2 токена в секунду.
Бенчмарк квантизации Qwen 3.6 27B: Q4_K_M превосходит Q8_0 по практическим компромиссам
Оценка Qwen 3.6 27B в квантованиях BF16, Q4_K_M и Q8_0 GGUF на задачах HumanEval, HellaSwag и BFCL. Q4_K_M обеспечивает точность, близкую к BF16, при 48% меньшем потреблении RAM, скорости в 1,45 раза выше и размере файла на 68,8% меньше.
Запуск Альфреда Бета: Упрощённая альтернатива OpenClaw для нетехнических пользователей
Alfred — это новый бета-инструмент, который предоставляет примерно 70% функциональности OpenClaw при значительно меньшей сложности, предлагая простые настройки по умолчанию для подключения приложений, памяти, режимов использования и инфраструктуры, а также позволяя кастомизацию.