Villanova2 - открытое семейство языковых моделей, собранное в ЕС под европейский рынок. Заявленная языковая поддержка: английский, итальянский, немецкий, испанский и французский. В линейке две архитектуры: разреженная mixture-of-experts Villanova2-15B-A3B (15,5 млрд параметров всего, 3,9 млрд активных на токен) и плотная Villanova2-2B (2,4 млрд параметров).
У каждой архитектуры по три варианта: базовая модель для дообучения, instruction-tuned версия для чата и готовых ассистентов, vision-language версия для работы с изображениями. Все шесть моделей вышли под Apache-2.0, а GGUF-кванты лежат в той же коллекции, поэтому локальный запуск не требует самостоятельной конвертации весов (карточка коллекции Villanova2).
Границы материала обозначу до разбора цифр: публичных бенчмарков, замеров скорости и официальных требований к VRAM в анонсе нет. Всё, что ниже, опирается на заявленные параметры и архитектуру. Расчёты памяти - оценка по формуле, а не результат измерений.
Что такое Villanova2 и для кого это семейство
Авторы описывают позиционирование коротко: «Built in EU, for EU». Практический смысл здесь один - модели изначально ориентированы на языки, которыми пользуются европейские компании, а не на схему «английский плюс всё остальное по остаточному принципу». Насколько это удалось по качеству, без бенчмарков судить нельзя.
По форме это типичный для 2026 года набор: одна крупная разреженная архитектура, одна компактная плотная, и на каждую - три роли. Такая схема закрывает широкий спектр задач, от файнтюнинга под узкий домен до ассистента на ноутбуке.
Ключевые характеристики линейки в одной таблице
| Модель | Архитектура | Параметры | Вариант | Лицензия / GGUF | Языки |
|---|---|---|---|---|---|
| Villanova2-15B-A3B-Base | разреженная MoE | 15,5 млрд всего / 3,9 млрд активных | базовая | Apache-2.0 / есть в коллекции | en, it, de, es, fr |
| Villanova2-15B-A3B | разреженная MoE | 15,5 млрд всего / 3,9 млрд активных | instruction-tuned | Apache-2.0 / есть в коллекции | en, it, de, es, fr |
| Villanova2-15B-A3B-VL | разреженная MoE | 15,5 млрд всего / 3,9 млрд активных | vision-language | Apache-2.0 / есть в коллекции | en, it, de, es, fr |
| Villanova2-2B-Base | плотная (dense) | 2,4 млрд | базовая | Apache-2.0 / есть в коллекции | en, it, de, es, fr |
| Villanova2-2B | плотная (dense) | 2,4 млрд | instruction-tuned | Apache-2.0 / есть в коллекции | en, it, de, es, fr |
| Villanova2-2B-VL | плотная (dense) | 2,4 млрд | vision-language | Apache-2.0 / есть в коллекции | en, it, de, es, fr |
Расшифровка колонок: «активных» - сколько параметров участвует в вычислении на каждый токен, «всего» - сколько весов хранится в памяти. Лицензия, наличие GGUF и список языков одинаковы для всех шести моделей семейства.
Почему «сделано в ЕС»: про языки, а не про патриотизм
Четыре заявленных языка, кроме английского, покрывают крупнейшие рынки союза: немецкий, французский, итальянский и испанский. Для компании, которая делает мультиязычный продукт для Европы, список выглядит логично: документы, переписка и поддержка клиентов в этих странах требуют именно такого набора.
Русского языка в заявленном списке нет. Для русскоязычных задач это ограничение, и обходить его нужно осознанно: либо использовать Villanova2 только на европейских языках, либо проверять русский самостоятельно на своих данных. Гарантий качества на незаявленном языке никто дать не может.
Второй нюанс: заявленная поддержка языка не равна измеренному качеству. В анонсе нет ни одной цифры по бенчмаркам, в том числе мультиязычным, поэтому фразу «модель хорошо знает итальянский» стоит держать в кавычках до собственной проверки.
MoE и dense: чем Villanova2-15B-A3B отличается от Villanova2-2B
Две модели решают похожие задачи разными способами. Плотная Villanova2-2B применяет все 2,4 млрд параметров к каждому токену. Разреженная Villanova2-15B-A3B держит в памяти 15,5 млрд весов, но активирует только 3,9 млрд.
Что такое активные параметры и почему 3,9B ≠ 15,5B по нагрузке
В mixture-of-experts часть слоёв заменена набором экспертов, а роутер выбирает, кого вызвать на конкретном токене. Считать приходится только по вызванным блокам, поэтому вычислительная нагрузка на токен ближе к модели с 3,9 млрд параметров, чем к плотной 15,5B.
Память работает иначе. Все 15,5 млрд весов должны быть загружены, даже если в конкретный момент работает меньшая часть. Аналогия простая: в бригаде десять специалистов, на задачу зовут двоих, но штат и склад оборудования держат целиком.
Практический вывод: активные параметры определяют скорость и стоимость вычислений, общие - объём памяти под веса. Путать эти величины - самая частая ошибка при планировании запуска MoE-модели.
Число экспертов и top-k в анонсе не раскрыты, поэтому обсуждать тонкости роутинга не на чем.
Плотная Villanova2-2B: когда простота важнее масштаба
Плотная модель предсказуема. Нагрузка на токен фиксирована, поведение при квантовании проще, а требования к памяти линейно зависят от размера весов. Для слабого GPU, CPU-инференса и edge-устройств это удобнее, чем охота за ёмкостью крупной MoE.
Компромисс - ёмкость. Класс 2,4 млрд параметров исторически слабее на сложных многошаговых задачах, чем модели 15B-класса. Насколько велика разница именно у Villanova2, покажет только сравнение на своих данных; методику оценки компактных моделей по типовым сценариям разбирает сравнение трёх малых LLM 2026 года.
Требования к VRAM: как оценить запуск Villanova2 локально
Официальных требований к видеопамяти в анонсе нет. Дальше - методика расчёта, по которой можно прикинуть своё железо, и она же объясняет разницу между MoE и dense.
Почему GGUF в той же коллекции: важная деталь
GGUF - формат квантованных весов, с которым работают llama.cpp, Ollama, LM Studio и другие локальные раннеры. Наличие готовых квантов в коллекции означает, что не нужно самому конвертировать safetensors и подбирать схему сжатия.
Ограничение: конкретные варианты квантов и их размеры в анонсе не перечислены. Рассчитывать, что набор закрывает все популярные схемы, не стоит; список проверяется в самой коллекции.
Ориентиры по памяти для MoE и dense без замеров
Формула объёма весов: число параметров × биты на вес / 8. Результат даёт гигабайты, к которым нужно добавить запас на KV-кеш, буферы рантайма и граф вычислений.
| Точность весов | Villanova2-2B (2,4 млрд) | Villanova2-15B-A3B (15,5 млрд всего) |
|---|---|---|
| FP16, 16 бит | около 4,8 ГБ | около 31 ГБ |
| 8 бит | около 2,4 ГБ | около 15,5 ГБ |
| 4 бита | около 1,2 ГБ | около 7,8 ГБ |
В таблице только веса. В реальном запуске к ним добавляются KV-кеш под длину контекста и служебные буферы, поэтому итог всегда выше.
Два вывода. Компактная Villanova2-2B в 4-битном кванте укладывается в считаные гигабайты, ей хватит скромной видеокарты. MoE-версия в 4 битах занимает около 8 ГБ только под веса, и на длинном контексте запас заметно растёт.
Активные 3,9 млрд на объём памяти не влияют: они про скорость генерации токенов. Если веса MoE не помещаются целиком, часть экспертов уходит в оперативную память и пропускная способность падает. Ориентиры по связке 16 ГБ VRAM и 32 ГБ RAM для моделей 7-14 млрд параметров собраны отдельно: что реально запустить на 32 ГБ RAM и 16 ГБ VRAM.
Итог по железу в виде прикидки: Villanova2-2B в 4-битном кванте с запасом на контекст просит примерно 3-5 ГБ VRAM, Villanova2-15B-A3B в том же кванте - 10-14 ГБ, а в 8 битах уже больше 16 ГБ. Это расчёт, а не замер: реальные цифры смотреть в карточке модели и в логах раннера.
Base, instruct или VL: какую версию Villanova2 выбрать
Три варианта на каждую архитектуру различаются не размером, а ролью. Параметров в них столько же, сколько в базовой модели, поэтому требования к памяти почти совпадают.
Villanova2-15B-A3B: base, instruct и VL в сценариях
- Base - дообучение под домен: юридические, банковские, страховые документы на немецком или французском, собственные форматы ответов.
- Instruct - готовый ассистент: извлечение полей из счетов и договоров, ответы клиенту на его языке, разбор длинных инструкций.
- VL - задачи с изображениями: сканы, скриншоты интерфейсов, таблицы внутри PDF, которые проще отдать картинкой.
Смысл MoE здесь в распределении ресурсов: вычислительная нагрузка на токен ближе к 4B-классу, а память нужна под 15,5 млрд весов. Хорошо подходит для сервера с одной видеокартой на 16-24 ГБ, где важна и скорость, и ёмкость модели.
Villanova2-2B: компактные base, instruct и VL
- Base - лёгкий файнтюнинг и эксперименты на одной потребительской карте, обучение узких классификаторов и генераторов.
- Instruct - локальный ассистент на слабой видеокарте или CPU: черновики, короткая суммаризация, правки текста на европейских языках.
- VL - простая обработка изображений на edge-устройствах и в офлайн-сценариях, где нет доступа к облаку.
Детали vision-возможностей в анонсе не раскрыты: ни разрешение входа, ни поддержка OCR, ни лимит на число изображений в запросе. Как сравнивать компактные VLM по зрению и OCR, показывает разбор компактных vision-моделей до 6B; там же есть протокол проверки на своих картинках, который пригодится и для Villanova2-2B-VL.
Кому подойдёт мультиязычная Villanova2 с акцентом на Европу
Заявленные языки: английский, итальянский, немецкий, испанский, французский. Этого достаточно, чтобы закрыть прикладные задачи вокруг европейского рынка, и мало для проектов, где основной язык русский.
Сценарии для разработчиков мультиязычных продуктов
- Поддержка клиентов: один ассистент отвечает на языке обращения в пределах заявленной пятёрки.
- Извлечение данных из документов: счета, накладные, договоры на немецком, французском, итальянском и испанском.
- Мультиязычные ассистенты и внутренние базы знаний, где ответ нужно отдать на языке пользователя.
- Локальные пайплайны, где данные нельзя отправлять в облако: Apache-2.0 и GGUF позволяют держать модель на своём железе.
Лицензия Apache-2.0 упрощает путь в коммерческий продукт, но юридических гарантий по конкретному кейсу никто не даёт: условия использования vision-версий в анонсе раскрыты не подробнее, чем у остальных моделей.
Ограничение по русскому языку и что с этим делать
Русского в списке нет, и это главный фильтр для русскоязычного читателя. Три реалистичных варианта: использовать Villanova2 только на европейских языках в мультиязычном продукте; держать её как вторую модель рядом с русскоязычной и переключаться по языку запроса; проверить русский самостоятельно, если задача допускает эксперимент.
Что не стоит делать - предполагать, что модель на русском «сама разберётся» из-за мультиязычного обучения. Заявленных данных об этом нет, а слепые зоны у моделей с фокусом на конкретные языки встречаются регулярно.
Лицензия Apache-2.0 и что она значит на практике
Apache-2.0 - разрешительная лицензия. Она допускает коммерческое использование, модификацию и распространение модели и производных весов, а также содержит патентную оговорку. Взамен требуется сохранять уведомления об авторских правах и текст лицензии, а изменения в файлах помечать.
Для продукта это удобный режим: можно встроить модель в закрытый сервис, дообучить под свою задачу и не публиковать полученные веса. Отдельно проверять условия по vision-версиям не нужно: в анонсе и для них указана Apache-2.0.
Граница ответственности простая: это технический разбор, а не юридическая консультация. Перед релизом продукта стоит показать схему использования юристу, особенно если модель входит в состав устройства или поставляется клиенту.
Ограничения анонса: чего мы пока не знаем о Villanova2
Список пробелов важнее списка характеристик, потому что именно он определяет, сколько работы ляжет на вас.
- Нет бенчмарков: ни общих, ни мультиязычных, ни визуальных.
- Нет сравнений с другими моделями того же класса.
- Нет данных о качестве на заявленных языках и о балансе языков в обучении.
- Нет информации о составе обучающих данных и объёме корпуса.
- Нет длины контекстного окна.
- Нет официальных требований к VRAM и замеров скорости.
- Нет списка GGUF-квантов и их размеров.
- Не указаны дата выпуска и номер версии моделей.
Практический вывод: Villanova2 разумно рассматривать как кандидата на тест, а не как выбор по умолчанию. Чек-лист самостоятельной проверки выглядит так:
- Язык: прогнать 20-30 своих примеров на нужном языке, отдельно посмотреть на самый редкий из вашей пятёрки.
- Задача: сравнить с текущей моделью на одинаковых промптах и одинаковых настройках сэмплирования.
- Железо: посчитать веса по формуле, добавить KV-кеш под свою длину контекста, оставить запас 15-20%.
- Квант: начать с 4-битного, затем сверить качество с 8-битным на тех же примерах.
- Лицензия: сохранить уведомления и зафиксировать, какие файлы менялись при дообучении.
Общий порядок оценки новинок без шума вокруг релизов описан в материале как не потеряться в потоке запусков AI-моделей: там про критерии, которые позволяют отсеять модель до смены рабочего стека.
Итог: кому и когда брать Villanova2
Villanova2-15B-A3B - если нужна ёмкость 15B-класса, есть 16 ГБ VRAM и выше, а память под общие веса не пугает. Активные 3,9 млрд дают умеренную вычислительную нагрузку, что удобно для серверной карты и мультиязычной поддержки клиентов.
Villanova2-2B - если железо ограничено, важна предсказуемость и запуск на CPU или слабой видеокарте. Хороший вариант для локального ассистента на европейских языках и для экспериментов с файнтюнингом.
VL-версии - когда в пайплайне есть картинки: сканы, скриншоты, таблицы. Vision-возможности в анонсе не детализированы, поэтому проверять их нужно на своих изображениях.
Instruct-версии - самый короткий путь: скачать GGUF из коллекции, запустить в привычном раннере, сравнить с текущей моделью на своих промптах. Apache-2.0 и готовые кванты снимают часть технических барьеров, но не заменяют проверку на своих языках и задачах: публичных замеров у семейства пока нет.