LBS-27B: пустой репозиторий, README размером 28 байт и название на 27B, которое никто не объяснил

26 октября 2026 года в 05:36 UTC репозиторий под названием inclusionAI/LBS-27B появился на Hugging Face. В нём два файла. Один из них — это файл объёмом 1 519 байт, а именно .gitattributes. Другой — это README ровно на 28 байт, и весь он состоит из YAML-заголовка, объявляющего лицензию Apache-2.0. Нет ни карточки модели, ни конфигурации, ни токенизатора, ни весов, ни таблицы оценок и никакого объявления, которое мы могли бы где-либо найти. У репозитория нет зафиксированных скачиваний и ноль лайков. Это вся публичная запись о LBS-27B по состоянию на сегодняшнее утро.

Это не история запуска, потому что ничего не запущено. Это история о самом раннем возможном сигнале, который может подать модель: имя, владелец и лицензия. Для всех, кто следит за inclusionAI от Ant Group, интересен не вопрос о том, какие результаты показывает LBS-27B. Интересно, почему лаборатория, которая обычно выпускает модель вместе с карточкой модели, техническим отчётом и согласованным анонсом, сначала создала бы пустую оболочку — и что эта оболочка сообщает, а что нет.

Доказательства, по пунктам

Всё ниже можно проверить через публичный API Hugging Face и дерево файлов репозитория. Ничто здесь не зависит от источника внутри лаборатории.

• Временная метка создания — в записи репозитория указано created_at: 2026-10-26T05:36:52Z, и lastModified — та же самая секунда. С тех пор ничего не менялось.

• Файлы — .gitattributes размером 1 519 байт и README.md размером 28 байт. Листинг дерева вообще не возвращает ни одной директории, а значит, нет config.json, нет model.safetensors или индекса шардов, нет файлов токенизатора и нет конфигурации генерации.

• Содержимое README — эти 28 байт представляют собой лицензионные метаданные в начале файла, и больше ничего: license: apache-2.0. Там нет ни описания, ни указания предполагаемого использования, ни примечания об обучающих данных, ни строки с бенчмарком.

• Вовлечённость — ноль лайков, а скачивания для модели на момент написания не отслеживаются. Для сравнения, у Ling-3.1-flash от inclusionAI 150 лайков и 4 222 скачивания с 13 октября.

• Публичное обсуждение — поиск точной строки в открытом интернете, на GitHub и социальных платформах не дал результатов. Ни статьи, ни поста в блоге вендора, ни твита о запуске, ни ветки обсуждения в самом репозитории.

Последний пункт заслуживает оговорки: отсутствие освещения утром в день релиза — это нормально и мало что доказывает. Необычность этого случая заключается в сочетании: репозиторий публично виден, но не содержит ни одного артефакта, который позволил бы кому-либо запустить, проверить или оценить модель.

Что же тебе говорят эти 28 байт?

Лицензионное заявление — единственное содержательное утверждение в репозитории, и его стоит внимательно прочитать, а не пропустить.

Apache-2.0 — это разрешительная лицензия, допускающая коммерческое использование, с явным предоставлением патентных прав. Указание её во фронтматтере README, ещё до появления каких-либо весов, — это заявление о намерениях относительно того, как модель будет распространяться. Это не гарантия — лицензию можно изменить до того, как веса будут опубликованы, — но это осознанный выбор, сделанный в момент создания.

Это также отход от недавней привычки inclusionAI. И Ling-3.0-flash, и Ling-3.1-flash распространяются под лицензией MIT. В LBS-27B указана Apache-2.0. Отражает ли это иное происхождение обучающих данных, другую внутреннюю команду или просто изменение политики, по репозиторию узнать невозможно, и любой, кто говорит вам обратное, лишь гадает.

Файл .gitattributes — это стандартный шаблон для LFS и атрибутов. Его наличие говорит о том, что репозиторий был создан с помощью стандартных инструментов Hugging Face, а не собран вручную, что согласуется с намеренно оставленной заглушкой. Он ничего не сообщает о модели.

Почему пустые репозитории этой лаборатории заслуживают второго взгляда

inclusionAI — модельная лаборатория Ant Group, и её результаты не маргинальны. Линейка Ling стабильно выпускалась на протяжении 2026 года: Ling-3.0-flash — 2 августа, Ling-3.1-flash — 13 октября, Ling-3.0-flash-Santé — 19 октября и Ling-3.0-tiny-UBTree — 21 октября. Организация также поддерживает Ming для обработки речи и линейку диффузионных языковых моделей LLaDA. Это лаборатория с налаженным ритмом, процессом релизов и своей аудиторией.

Это также лаборатория, которая пристально следит за классом 27B. 14 сентября она опубликовала inclusionAI/Qwen3.8-27B-singprobe — компактный потоковый зонд-ограждение, построенный на основе Qwen3.8-27B от Alibaba, а не собственную языковую модель. Это полезный контекст для LBS-27B: inclusionAI уже напрямую работала с 27B-моделью примерно такого размера и создавала инструменты безопасности вокруг скрытых состояний одной из них.

Ничто из этого не подтверждает, чем является LBS-27B. Но это действительно означает, что репозиторий вряд ли окажется случайным экспериментом с постороннего аккаунта. Организация знает, что делает, и создала этот репозиторий намеренно.

Имя — это то, что в этой истории подтверждено меньше всего.

Соблазнительно прочитать «27B» как количество параметров, а «LBS» как семейство архитектур. Ни одно из этих прочтений не подтверждается ничем в репозитории.

27B — это строка в имени репозитория. Это может быть общее число параметров — так Gemma 4 26B A4B округляет 25.2B до 26B. Это может быть маркетинговый размер, а не число параметров — так Qwen3.8-27B указана на Hugging Face как модель с 28B параметров. Это может быть приблизительно. Без config.json невозможно отличить плотную модель 27B от модели mixture-of-experts с 27B общих параметров, из которых активна лишь часть, и это различие полностью меняет всё, что касается стоимости обслуживания, задержки и требований к оборудованию.

Эти буквы нигде не расшифровываются. Они могут обозначать семейство, рецепт обучения, внутреннее кодовое имя или линейку продуктов. Мы не собираемся придумывать для них значение.

У пустого репозитория есть как минимум три обыденных объяснения, и они ведут к разным выводам:

• Заглушка предварительного выпуска. Репозиторий создаётся заранее, чтобы в день запуска внутренние инструменты, карточку модели и веса можно было опубликовать по стабильному URL. Это самый распространённый сценарий и наиболее вероятный.

• Ошибочный или преждевременный пуш. Кто-то создал репозиторий публичным, хотя он должен был быть приватным. В таком случае имя может измениться, а сам репозиторий может полностью исчезнуть.

• Заглушка для модели, которую переименовали или отменили. Репозиторий остаётся на месте, потому что удалить его хлопотнее, чем оставить.

Ничто в открытых источниках не позволяет различить эти варианты. lastModified с created_at с точностью до секунды слабо согласуется с первым объяснением — репозиторий, созданный вручную, обычно показывал бы какие-то правки — но это не доказательство.

Что должно было бы появиться, чтобы это стало моделью?

Если вам нужен конкретный список отслеживания, а не просто вайб, вот артефакты, которые превратят LBS-27B из названия в утверждение. Каждый из них отвечает на вопрос, который текущий репозиторий оставляет открытым.

• config.json — архитектура, число слоёв, размер скрытого слоя, словарь и, что критично, есть ли поля экспертов. Этот единственный файл окончательно решает, плотная это модель или MoE, и даёт обоснованное число параметров.

• Шарды весов и индекс — разница между моделью, которую можно скачать, и моделью, о которой можно только говорить. Индекс также раскрывает точность: BF16, FP8 или что-то другое.

• Токенизатор — размер словаря является одним из более надёжных косвенных сигналов многоязычных намерений и определяет, насколько дорогим оказывается нелатинский текст на уровне API.

• Карточка модели со строками оценки — и, что не менее важно, пометка о том, какие версии тестового стенда использовались для этих строк. Результат бенчмарка без указания версии стенда ни с чем нельзя сравнить.

• Анонс от поставщика или технический отчёт — то, что сообщает, для чего, по мнению лаборатории, предназначена модель. Без него любое утверждение о позиционировании в последующих материалах будет выводиться из названия.

Пока не появятся хотя бы первые два из них, любое сравнение с участием LBS-27B — это сравнение с гипотезой. Мы написали четыре очевидных сопоставления — с Gemma 4 26B A4B, Granite 4.2 30B, LFM2.5 24B A2B и Qwen3.8-27B — но каждый из этих материалов явно обозначен как планка, которую модели ещё предстоит преодолеть, а не результат, которого она уже достигла.

Как удерживать непроверенную модель, не делая на неё ставку

Практический вопрос для любого, кто строит на открытых моделях, — не «стоит ли мне переходить на LBS-27B»: переходить пока не на что. Он в том, как быть готовым, ни к чему не обязываясь. Именно в этом OrcaRouter действительно полезен.

Если говорить прямо о доступности: LBS-27B сегодня отсутствует в OrcaRouter. В нашем каталоге 211 моделей, и её среди них нет. Мы не собираемся намекать на обратное и не узнаем, сможем ли мы маршрутизировать её, пока не появятся веса для обслуживания. Но платформа даёт способ протестировать новую модель, не делая её зависимостью продакшена: один API-ключ для всего каталога, автоматическое переключение при деградации провайдера и DSL маршрутизации, который позволяет направлять часть трафика на новую модель и сравнивать её с вашей текущей моделью на той же нагрузке.

Наценка 0% здесь важна в одном конкретном смысле. Мы передаём цену из прайс-листа провайдера как есть, поэтому если inclusionAI или партнёр по хостингу снизит цену на LBS-27B после запуска, тариф на нашей стороне изменится в тот же день, а не при следующем продлении контракта. Это утверждение о нашей модели выставления счетов, а не о цене этой модели, которой пока не существует.

Признак, за которым нужно следить

Первым значимым сигналом будет не бенчмарк. Им станет первый коммит, который добавляет config.json. Этот файл расскажет вам, является ли LBS-27B плотной моделью или смесью экспертов, сколько в ней слоёв, на какую длину контекста она обучена и относится ли 27B в названии к общему или активному числу параметров. Всё остальное — бенчмарки, цены, сравнения — следует из этих фактов.

Второй сигнал — это то, как подана карточка модели. Карточки Ling от {{1}}inclusionAI{{/1}} начинаются с заявлений об агентных возможностях и многоязычности. Если карточка LBS начинается с того же, перед нами универсальный собрат по семейству Ling. Если же на первом месте что-то другое — длинный контекст, код, эффективность, — это более интересная и более конкретная история.

Пока что честное резюме коротко. Репозиторий существует. Он распространяется под лицензией Apache-2.0. Он пуст. Лаборатория, стоящая за ним, серьёзна, класс 27B, на который он указывает, переполнен, а название никем не объяснено. Мы обновим этот материал, когда появятся веса, и не раньше.