«Своя» 397B-модель Рио оказалась мерджем 0.6/0.4 — и страница на HuggingFace тихо это признала

Муниципальный IT-отдел выпустил модель фронтирного размера

IplanRIO, IT-компания города Рио-де-Жанейро, выпустила Rio-3.5-Open-397B, представленную как доморощенный файнтюн Qwen3.5, обошедший сопоставимые открытые модели на бенчмарках. Issue на GitHub, ставший этой историей, утверждает обратное: это прямой взвешенный мердж примерно 60% Nex-N2 Pro и 40% Qwen3.5-397B-A17B, причём Nex-N2 вышла примерно неделей раньше.

Доказательства необычно чисты для спора об авторстве. Снимите системный промпт Рио — и модель в 79% случаев называет себя «Nex, от Nex-AGI» и в 0% «Rio», дословно пересказывая предысторию Nex-AGI. А веса ставят точку:

«Каждый весовой тензор в Rio с точностью до тысяч стандартных отклонений — один и тот же блендинг 0.6/0.4 из Nex и Qwen, по всем 60 слоям и каждому компоненту сети. Другие файнтюны интерполяциями не объяснить.» — из issue, заведённого 00INDEX

Страница модели отредактировала себя посреди скандала

Решающая улика треда была не новым анализом. Это был дифф. Комментатор заметил, что на странице HuggingFace вырос абзац, которого раньше не было.

«Модель построена через мердж Nex-N2-Pro и Qwen3.5-397B-A17B с последующей On-Policy Distillation от более сильной модели. Мы обнаружили некорректную загрузку в предыдущей версии, где вместо финальной дистиллированной модели была залита базовая смерджённая версия. Приносим извинения за путаницу и глубочайше сожалеем.» — комментатор, цитирующий свежедобавленный абзац

Это переосмысляет разоблачение: мердж теперь признан; спор лишь в том, была ли публичная модель задуманной дистиллированной версией или, как теперь утверждает страница, случайной заливкой сырой смеси.

«А можно просто смерджить все модели с открытыми весами?»

Более интересной реакцией стало техническое удивление: трюк вообще сработал. Линейное усреднение двух сетей обычно их ломает, а здесь, похоже, помогло.

«Меня поражает, насколько устойчивы нынешние модели глубокого обучения. Простая линейная комбинация всех весов не ухудшила работу модели, а улучшила её.» — hintymad

Бразильский инженер без аффилиации предложил самую великодушную реконструкцию: Nex, вероятно, не раскрыли потому, что Nex и сам производная от Qwen, реальный выигрыш должен был прийти от мерджа плюс дистилляции, а модель органически завирусилась за бразильские выходные Кубка мира, прежде чем мэр поймал момент. Другой комментатор отмахнулся от всего: Nex тоже основана на Qwen, так что «не думаю, что они так уж далеко ушли».

Что на самом деле доказывает дифф

Это история не про бразильское мошенничество, несмотря на шутки в треде. Это история о том, как мало модель теперь может спрятать: независимый аналитик восстановил точное соотношение смешивания по одним лишь весам, и единственным оставшимся ходом было отредактировать README. Сам мердж, возможно, даже защитим: открытые веса, родословная в духе Apache, реальный шаг дистилляции, который правда улучшил бенчмарки. Незащитимо другое — выдавать всё это за «своё», пока кто-то не прогнал цифры. Урок для любой организации, соблазнённой моделью национальной гордости: веса — это признание, ждущее, когда его прочтут.