Саймон Уиллисон увидел Moebius на Hacker News утром и к вечеру уже запустил его в Chrome — без сервера, без CUDA, прямо в браузере. Если у вас есть небольшая PyTorch-модель и желание раздать её пользователям без бэкенда, этот гайд покажет, как устроен весь путь.

Почему именно Moebius и почему это вообще реально

Moebius (ECCV 2026) — модель inpainting весом 0.22B параметров. Inpainting — это когда вы закрашиваете область на фото, а модель дорисовывает, что там должно быть. Оригинальный репозиторий требовал PyTorch и NVIDIA CUDA, то есть запустить его мог только тот, у кого есть GPU-машина или платный облачный инстанс.

0.22B — это примерно 220 миллионов параметров. Для сравнения: GPT-2 small — 117M. Такой размер уже позволяет надеяться на WebGPU: браузерный API для работы с GPU, который поддерживают Chrome и Edge начиная с 2023 года. Именно это и решил проверить Уиллисон.

Подготовка: что нужно собрать до старта агента

Прежде чем запускать Claude Code, Уиллисон собрал все нужные материалы в одном месте. Агент работает лучше, когда у него под рукой есть исходники, веса и библиотеки — а не только URL.

```bash cd /tmp mkdir Moebius && cd Moebius

Исходный код модели

git clone https://github.com/hustvl/Moebius

Веса модели через Git LFS (флаг GIT_LFS_SKIP_SMUDGE=0 обязателен, иначе LFS-файлы не скачаются)

GIT_LFS_SKIP_SMUDGE=0 git clone \ https://huggingface.co/hustvl/Moebius Moebius-weights

Библиотеки для ориентации агента

git clone https://github.com/huggingface/transformers.js git clone https://github.com/microsoft/onnxruntime ```

Параллельно он спросил Claude.ai (с возможностью клонировать репозитории) о feasibility: можно ли портировать Moebius в Transformers.js или что-то похожее. Ключевая фраза в промпте — «muse on the feasibility» — просит модель порассуждать без конкретной цели, и это работает лучше, чем «сделай план».

Claude предложил использовать ONNX Runtime Web с WebGPU-бэкендом — уровень ниже Transformers.js, более гибкий. Этот ответ был сохранён в research.md и передан Claude Code как стартовый контекст.

Запуск Claude Code: промпты, которые реально работали

``bash mkdir /tmp/Moebius/moebius-web cd /tmp/Moebius/moebius-web git init git add research.md git commit -m "Initial research by Claude Opus 4.8" ``

Claude Code запускался из /tmp/Moebius — на уровень выше, чтобы видеть все подготовленные материалы. Первый промпт:

`` Read ./moebius-web/research.md - your goal is to port this model to ONNX and WebGPU so we can run it directly in a browser, with a simple UI ``

Второй промпт (с опечатками, как в оригинале — агент справился):

`` Build this in /tmp/Moebius/moebius-web and commit early and often, also maintain a notes.md file in there with notes about what you figure out along the way - also start by writing out a plan.md in there and update that plan as you work too ``

Два важных паттерна здесь: просьба коммитить часто (история помогает откатиться) и вести notes.md + plan.md. Эти файлы потом становятся контекстом для следующей сессии с агентом.

Конвертация весов и публикация на Hugging Face

Claude Code самостоятельно разобрался с конвертацией весов PyTorch → ONNX и опубликовал 1.24 ГБ ONNX-весов на Hugging Face. Для этого понадобился токен с правом записи в репозиторий:

```bash

Токен сохраняется в файл, чтобы агент мог его использовать

echo "hf_xxxxxxxxxxxxxxxxxx" > /tmp/Moebius/token.txt ```

Веса опубликованы по адресу huggingface.co/simonw/Moebius-ONNX. Браузерные демо умеют загружать файлы прямо с Hugging Face через обычный fetch — это стандартная практика для WebML-проектов.

Фронтенд (HTML + JS с ONNX Runtime Web) публиковался на GitHub Pages. При этом важно было явно указать агенту финальный URL:

`` I want to publish the moebius-web folder to GitHub, minus the large files (so maybe minus the models/ folder), such that when I turn on GitHub Pages for that repo navigating to https://simonw.github.io/moebius-web/ serves the UI ``

Финальный URL в промпте критичен: агент подставляет его в конфиги и пути к ресурсам, иначе в продакшне всё ломается из-за неправильных относительных путей.

Как устроен финальный инструмент

Рабочее демо живёт на simonw.github.io/moebius-web/. Пользователь открывает любое изображение (не квадратные добавляют letterbox-поля), рисует маску поверх области, которую нужно удалить, нажимает «Run inpaint» — и модель заполняет выделенное.

Стек целиком браузерный:

• ONNX Runtime Web — исполнение модели
• WebGPU backend — аппаратное ускорение через GPU пользователя
• GitHub Pages — хостинг HTML/JS
• Hugging Face — хостинг весов (1.24 ГБ ONNX)

Никакого сервера, никаких API-ключей, никаких расходов на инференс.

Где ломается

Кеширование весов. После первого запуска модель каждый раз заново скачивала 1.24 ГБ при перезагрузке страницы. Это типичная проблема браузерных ML-демо — нужно явно настраивать кеш через Cache API или Service Worker, иначе пользователи будут ждать загрузки при каждом визите.

WebGPU поддерживается не везде. Chrome и Edge на десктопе — работает. Firefox — нет (по состоянию на середину 2026 года WebGPU там в экспериментальном статусе). Safari — частично. На мобильных устройствах поддержка непредсказуема.

Размер весов. 1.24 ГБ — это много для браузера. Модель 0.2B в ONNX получается заметно тяжелее, чем можно ожидать от «маленькой» модели. Для продакшн-сценариев стоит смотреть в сторону квантизации (INT8/INT4 через ONNX Runtime).

LFS при клонировании. Без флага GIT_LFS_SKIP_SMUDGE=0 веса не скачиваются — получаете только указатели. Это неочевидно и ломает весь последующий процесс конвертации.

Что попробовать дальше

Если хотите повторить этот подход со своей моделью — начните с проверки размера: меньше 500M параметров обычно реально запустить в WebGPU. Следующие шаги: изучите ONNX Runtime Web и примеры в репозитории microsoft/onnxruntime, посмотрите на квантизацию весов для уменьшения размера загрузки, и настройте Cache API для весов — без этого демо неудобно использовать повторно.

Источники

• Simon Willison: Porting the Moebius 0.2B image inpainting model to run in the browser with Claude Code