11 часов бесплатного видео: как собрать reasoning модель с нуля на PyTorch

Курс выпустил Себастиан Рашка, исследователь и автор серии «From Scratch», чьи книги и видео стали стандартным учебным ресурсом для тех, кто хочет разобраться в устройстве больших языковых моделей не по документации, а через собственный код. Новый курс продолжает предыдущий цикл «Coding LLMs from the Ground Up», но может изучаться и самостоятельно.

Рашка прямо указывает: рассуждающие модели остаются «двигателем» внутри ИИ-агентов (agent), поэтому понимание их устройства критично для любого, кто работает с агентными системами.

Что входит в курс и почему это не «ещё одна лекция про ИИ»?

• Старт с готовой предобученной модели Qwen3. Рашка берёт небольшую открытую модель (open-source) и сразу переходит к тому, ради чего всё затевалось: оценке качества, масштабированию вывода (inference-time scaling, когда модели дают больше «времени подумать» прямо при генерации ответа), обучению с подкреплением (reinforcement learning) и дистилляции (distillation, перенос способностей большой модели в маленькую).

• Весь код на Python и PyTorch. Ничего не спрятано за библиотечными обёртками. Ранние примеры работают даже на процессоре, для тренировки нужна видеокарта (GPU).

• Объяснена связка «обычная модель, рассуждающая модель, ИИ-агент». Рашка использует аналогию с двигателем: модель это мотор, а агентная обвязка (harness) это механизм, который позволяет этот мотор использовать для задач, от написания кода до бронирования билетов. Агент может работать и с обычной моделью, но рассуждающая модель справляется лучше.

• Книга-компаньон с упражнениями. Цветное печатное издание «Build a Reasoning Model (From Scratch)» доступно на Manning и Amazon. Рашка рекомендует читать главу, затем проходить видео с кодом и решать упражнения.

• Бонус: 90-минутный концептуальный курс на LinkedIn Learning. Без кода, только идеи. По ссылке автора первые 24 часа доступ бесплатный и не требует подписки LinkedIn Premium.

Как начать за четыре шага?

1. Откройте репозиторий курса на GitHub (ссылка в описании каждого видео) и следуйте инструкциям по установке Python и PyTorch из первой лекции.
2. Скачайте предобученную модель Qwen3, как показано в первом видео, и убедитесь, что генерация текста работает на вашем компьютере.
3. Проходите лекции по порядку: от оценки модели до обучения с подкреплением и дистилляции. Первые примеры идут на CPU, для тренировки понадобится GPU.
4. Если хотите глубже, возьмите книгу «Build a Reasoning Model (From Scratch)» на Manning или Amazon и решайте упражнения после каждой главы.

Есть ли аналоги на русском языке?

Прямого аналога, бесплатного видеокурса по сборке рассуждающей модели с нуля на PyTorch, на русском языке пока нет. Курсы по машинному обучению от Яндекса и «Школы анализа данных» покрывают основы, но не фокусируются на reasoning-механиках.

Для тех, кто работает с российскими моделями (YandexGPT, GigaChat), курс Рашки полезен как база: он объясняет принципы, которые лежат «под капотом» любой рассуждающей модели, независимо от вендора. Код и подход переносятся на любую открытую модель, доступную в России.

Что это даёт вам прямо сейчас, по ролям?

Автору Дзена и копирайтеру. Понимание того, как рассуждающие модели «думают», помогает писать промпты (prompt, текстовая инструкция для нейросети), которые дают лучшие результаты. Курс не требует диплома программиста, но требует готовности открыть код.

Маркетологу и предпринимателю. Если вы оцениваете, стоит ли строить продукт на ИИ-агентах, курс покажет, что именно «умеет» движок внутри агента и где его границы. Это снижает риск купить решение, которое обещает больше, чем может.

Разработчику и техническому специалисту. 11 часов кода от идеи до работающей рассуждающей модели. Всё в PyTorch, всё воспроизводимо. Для тех, кто хочет дообучать (fine-tuning, обучение модели на собственных данных под конкретную задачу) или дистиллировать модели самостоятельно.

Частые вопросы

Нужно ли сначала пройти предыдущий курс «Build a LLM (From Scratch)»?

Нет. Рашка указывает, что материал спроектирован как самостоятельный. Предыдущий курс рекомендован, но не обязателен.

Можно ли пройти курс без GPU?

Частично. Ранние примеры (генерация текста, оценка модели) работают на CPU. Для обучения с подкреплением и дистилляции нужна видеокарта. Рекомендации по железу есть в репозитории и в первом видео.

Книга обязательна или можно обойтись видео?

Видео самодостаточны. Книга добавляет подробные объяснения, упражнения и возможность работать в своём темпе. Рашка рекомендует совмещать оба формата для максимальной глубины.