Il modello
Alice
32B Parameters
128k Context
Multi-Agent
Persistent Memory
Mood System
Alice è il modello proprietario di Synapse AI Research Lab, dotato di un sistema di personalità adattiva, memoria contestuale persistente, umore dinamico e un'architettura di orchestrazione multi-agente per task complessi. Addestrato su dataset proprietari con pipeline LoRA + DPO.
Capacità
Cosa sa fare Alice
Networking
Competenza CCIE-level: Cisco, OSPF, BGP, MPLS, firewall, security design, SD-WAN, troubleshooting avanzato.
Programmazione
Python, FastAPI, TypeScript, React, Next.js, Docker, DevOps, CI/CD. Genera codice production-ready e fa code review.
Cybersecurity
Pentesting, forensics digitale, hardening di sistemi, analisi malware, threat modeling. Nessuna censura su scenari autorizzati.
Web Development
Full-stack moderno, responsive design, SEO, accessibilità, performance optimization, architetture scalabili.
Graph Databases
Neo4j, Cypher, knowledge graph design, algoritmi su grafi, integrazione con LLM per RAG su dati relazionali complessi.
AI / ML
Pipeline di training, fine-tuning, LoRA, DPO, inference optimization, quantizzazione, valutazione modelli, RLHF.
Ricerca Autonoma
Pipeline Synapse Research in 23 stadi per generazione automatica di paper scientifici, analisi letteratura, sintesi risultati.
System Administration
Linux, Docker, Kubernetes, infrastructure automation, monitoring, backup, disaster recovery, ottimizzazione performance.
Download
Quantizzazioni disponibili
Scegli la quantizzazione in base alla VRAM/RAM del tuo sistema. Maggiore è la quantizzazione, migliore è la qualità — ma richiede più memoria.
| Tag | Quantizzazione | Dimensione | Requisiti | Qualità | Uso consigliato |
|---|---|---|---|---|---|
| q8_0 | Q8_0 | 64 GB+ RAM | ★★★★★ | Massima qualità, server dedicati | |
| q6_k | Q6_K | 40 GB+ RAM | ★★★★★ | Alta qualità, workstation professionali | |
| q5_k_m | Q5_K_M Consigliato | 32 GB+ RAM | ★★★★★ | Ottimo bilanciamento qualità/dimensione | |
| q4_k_m | Q4_K_M Consigliato | 24 GB+ RAM | ★★★★☆ | Buona qualità, workstation standard | |
| q4_0 | Q4_0 | 24 GB+ RAM | ★★★☆☆ | Compatto, sviluppo e test | |
| q3_k_m | Q3_K_M | 16 GB+ RAM | ★★★☆☆ | Leggero, laptop con GPU dedicata | |
| q2_k | Q2_K | 16 GB RAM | ★★☆☆☆ | Minimo, sperimentazione su hardware limitato |
Requisiti di sistema
Hardware consigliato
CPU
8+ core
x86_64 o ARM64. AVX2 raccomandato.
RAM
16 – 64 GB
Dipende dalla quantizzazione scelta.
GPU (opzionale)
NVIDIA / AMD
CUDA 12+ o ROCm. Accelera l'inferenza fino a 10×.
Storage
12 – 40 GB
SSD NVMe consigliato per caricamento rapido.
OS
Linux / macOS
Ubuntu 22.04+, Debian 12+, macOS 13+. Windows via WSL2.
Runtime
Ollama / llama.cpp
Compatibile con qualsiasi runtime OpenAI-compatible.