/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,5 млрд
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Базовая модель
DeepSeek-R1-Distill-Qwen-1.5B
Опубликована
22 авг 2026

Qwen2.5-R1-Minny-1.5B-v1

Генерация текстаТекст → текст5 профессий

Компактная модель Qwen2 на базе DeepSeek-R1-Distill-Qwen для генерации текста, математических рассуждений и задач программирования.

49скачиваний за 30 дней0лайковвеса обновлены23 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Qwen2.5-R1-Minny-1.5B-v1 — компактная языковая модель на 1,5 млрд параметров для генерации текста, рассуждений, математики и программирования. По карточке модели, она создана слиянием DeepSeek-R1-Distill-Qwen-1.5B с математическими, кодовыми и reasoning-моделями; метаданные указывают DeepSeek-R1-Distill-Qwen-1.5B как базовую модель и тип происхождения finetune. Архитектура — плотная Qwen2, формат весов — safetensors, максимальный контекст — 131 072 токена.

Модель рассчитана как основа для дальнейшего обучения и выравнивания, включая SFT и DPO, а также может применяться для генерации текста и ответов в диалоговом режиме. В README заявлены способности к математическим рассуждениям и написанию кода. Карточка сообщает о сравнении слияния по прямому проходу на наборах FineWeb, OpenMath и CodeAlpaca, но результаты не подтверждают качество ответов в практических сценариях.

README предупреждает о нестабильном следовании шаблонам запросов без дополнительного instruct-тюнинга и об ограничениях небольших языковых моделей, включая галлюцинации и слабое извлечение фактов. Лицензия — Apache-2.0.

Сценарии применения

  • генерация ответов в диалоговом режиме
  • решение математических задач и пошаговые рассуждения
  • написание и разбор кода
  • использование как начальной модели для SFT или DPO

Ограничения

Без дополнительного instruct-тюнинга следование шаблонам запросов может быть нестабильным. Как компактная модель, она может галлюцинировать и ограниченно извлекать факты; заявленные сравнения по потерям не устанавливают качество ответов в реальных сценариях.

Для каких профессий подходит5

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

🧠 Qwen2.5-R1-Minny-1.5B-v1

Qwen2.5-R1-Minny-1.5B-v1 is a highly plastic, multi-domain "Super-Base" model engineered through a novel hybrid merging topology. It fuses state-of-the-art latent reasoning (GRPO), mathematical logic, and coding proficiency into a single 1.5B parameter manifold without suffering from catastrophic forgetting or RLHF-induced formatting collapse.

This model was created using a custom out-of-core pipeline combining Model Stock (geometric anchoring) and Sens-Merging (gradient-based sensitivity scaling), informed by extensive layer-wise ablation studies.

🔬 Model Topology

This model is the result of the "Refined Golden Triangle" merging topology, which anchors on a Group Relative Policy Optimization (GRPO) reasoning model and injects pure Supervised Fine-Tuned (SFT) domain experts.

  • The Base Anchor (GRPO): deepseek-ai/DeepSeek-R1-Distill-Qwen-1.5B
  • Expert 1 (Math SFT): RLinf/RLinf-math-1.5B
  • Expert 2 (Code SFT): agentica-org/DeepCoder-1.5B-Preview
  • Expert 3 (Reasoning SFT): mobiuslabsgmbh/DeepSeek-R1-ReDistill-Qwen-1.5B-v1.1

⚙️ The Methodology: Why this Merge Works

During the development of this model, extensive forward-pass perplexity benchmarking revealed several fundamental laws regarding the merging of modern RLHF models:

  1. The GRPO Outlier Theorem: Standard sparsification methods (like DARE, DELLA, or Model Breadcrumbs) fundamentally destroy models trained via GRPO (like DeepSeek-R1). GRPO encodes deep logical routing in extreme, sparse weight outliers. Magnitude pruning amputates these reasoning capabilities.
  2. The RL Paradigm Collision: When mixing models trained via different Reinforcement Learning paradigms (e.g., PPO vs. GRPO), cross-task logit alignment fails catastrophically due to fundamentally incompatible probability distributions.

To bypass these limitations, Qwen2.5-R1-Minny-1.5B-v1 utilizes a custom hybrid algorithm:

  • Model Stock: Acts as the foundational geometric anchor, preventing the injected vectors from pushing the model out of the pre-trained loss basin.
  • Sens-Merging (Liu et al., 2025): Because the injected experts (Math and Code) are pure SFT models, we utilized Sens-Merging to compute the layer-wise gradient sensitivities ($\alpha$) and cross-task logit transferability ($\tau$). This allowed the SFT mathematical and coding logic to perfectly weave into the unshielded intermediate layers of the DeepSeek base without destroying the RLHF outliers.

📊 Empirical Benchmarking (Forward-Pass Loss)

Prior to minting this model, it was evaluated against raw baseline algorithms using a strict, zero-shot Forward-Pass Cross-Entropy Loss evaluation across three domains (lower loss = better absorption of the latent space):

Merging AlgorithmFoundation Loss (FineWeb) ↓Reasoning Loss (OpenMath) ↓Code Loss (CodeAlpaca) ↓
Raw Task Arithmetic3.88831.83762.2205
Raw Model Stock3.71511.70521.9991
Model Stock + Sens-Merge (This Model)3.59731.56941.6017

By combining the geometric stability of Model Stock with the gradient-aware routing of Sens-Merging, this model achieves the strict Pareto-optimal frontier for 1.5B reasoning architectures.

🚀 Intended Use and Downstream Capabilities

Qwen2.5-R1-Minny-1.5B-v1 is primarily intended to serve as a Super-Base for downstream alignment.

While it can be used for zero-shot inference, its true potential is unlocked when used as the initialization checkpoint for downstream Supervised Fine-Tuning (SFT) or Direct Preference Optimization (DPO). Because the Base Anchor's foundational neurons were mathematically shielded during the merge, the model retains maximum plasticity. It holds deep latent representations of Python/C++ coding syntax, mathematical routing, and DeepSeek <think> traces, ready to be aligned to your specific conversational formatting or agentic workflow.

⚠️ Limitations

  • Formatting Schizophrenia: Because this is a merged foundation model combining various SFT datasets, its prompt template adherence (e.g., <|im_start|> vs <|eot_id|>) may be slightly unstable out-of-the-box prior to downstream instruct-tuning.
  • Size Constraints: At 1.5 billion parameters, while punching heavily above its weight class in logic, it is still subject to the standard hallucination and knowledge-retrieval limitations inherent to small language models.

📚 Acknowledgements

  • The geometry of this merge relies heavily on the theories proposed in Editing Models with Task Arithmetic (Ilharco et al., 2023) and Sens-Merging: Sensitivity-Guided Parameter Balancing (Liu et al., 2025).
  • Compute and evaluation orchestration powered by custom implementations of mergekit (Goddard et al.).

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
2a41120

0 моделей