/ Модель

Характеристики

Контекст
16 384 токена
Параметры
13 млрд
Размер весов
26,4 ГБ
Лицензия
Apache 2.0
Архитектура
olmo2 · dense
Базовая модель
OLMo-2-1124-13B
Библиотека
transformers
Опубликована
21 янв 2026

NorOLMo-13B

Генерация текстаТекст → текст3 профессии

Открытая базовая модель HPLT на 13 млрд параметров для генерации текста на норвежском и скандинавских языках, дообученная продолжением предобучения OLMo 2.

2 005скачиваний за 30 дней3лайкавеса обновлены3 июл 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

NorOLMo 1.0 — базовая языковая модель на 13 млрд параметров, разработанная HPLT путём непрерывного предобучения OLMo-2-1124-13B от Allen Institute for AI на норвежских и скандинавских данных, включая материалы на северносаамском языке. Это плотная авторегрессионная модель семейства OLMo 2 для генерации текста; она не проходила настройку для следования инструкциям и предназначена прежде всего для продолжения текста и языковых задач на норвежском и близких языках.

Обучение включало 33 000 шагов примерно на 275 млрд токенов из открытых корпусов и учебных наборов. В состав данных входили букмол, нюношк, фарерский, исландский, датский, шведский, английский и северносаамский. Максимальная длина контекста — 16 384 токена. Авторы публикуют описание обучающих данных и процесса, а веса доступны в формате safetensors.

Модель подходит для приложений, которым нужна открытая языковая основа для генерации и последующей адаптации к норвежским и скандинавским задачам. Поскольку это базовая, а не инструкционная модель, она может не давать надёжных ответов в формате диалога без дополнительной настройки. Лицензия — Apache 2.0.

Сценарии применения

  • генерация и продолжение текстов на букмоле
  • генерация текстов на нюношке
  • создание текстов на скандинавских языках
  • эксперименты с языковыми задачами на северносаамском
  • адаптация базовой модели для норвежских приложений

Ограничения

Модель не настроена для следования инструкциям, поэтому ответы в диалоговом формате могут быть ненадёжными без дополнительной настройки. Оценки в README приведены по NorEval, но численные результаты в предоставленном фрагменте отсутствуют.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

NorOLMo

NorOLMo 1.0 is a base (not instruction-tuned) large language model, continually pre-trained on Norwegian and Scandinavian data starting from the English OLMo2-13B model.

It is the only modern fully open large language model specifically adapted for Norwegian and Sámi. At the same time, its performance is comparable to other multilingual open models (see the Evaluation section below). "Fully open" here means that the entirety of the trainining data and training pipeline is transparent and reproducible, not only that the model weights are available.

The model was trained for 33 000 steps on around 275 billion tokens. Maximum sequence length was set to 4 096 in the beginning of training, and then was extended to 16 384 starting from the checkpoint step_31000. Intermediate checkpoints are published here as branches. The main branch contains the model's weights after step 33 000 (stage 3).

In a few months, we hope to follow with post-trained versions of NorOLMo.

Evaluation

Below is a comparison of fully-open models supporting Norwegian. The figure shows the aggregate score across all 35 NorEval 1.1 tasks (5 categories, category average). Scores are first averaged within each task category, then averaged across categories. This gives equal weight to each category regardless of how many tasks it contains. Each task score is normalized to a 0–100 scale where 0 = random baseline performance and 100 = perfect score, then averaged across tasks. This accounts for different chance levels across tasks (e.g. 25% for 4-choice QA vs. 50% for binary classification).

More detailed evaluation is evailable in our interactive NorEval dashboard: https://ltgoslo.github.io/llm-dashboard.

Furthermore, an interactive per-checkpoint evaluation with additional ablation studies is available here.

Data Details

Stage 1 (24 000 steps -- 200B tokens)

Data ("pretraining data")

DataPercentageUnique TokensTotal TokensNumber of DocumentsAverage Document Length
HPLT Bokmål39.5739.8B79.7B36.5M1 092
HPLT Nynorsk4.951.2B10.0B1.5M826
HPLT Faroese0.460.2B0.9B0.3M711
HPLT Icelandic2.505.0B5.0B4.3M1 173
HPLT Swedish12.0992.1B24.4B97.7M942
HPLT Danish12.1250.1B24.4B52.5M954
FinePDFs Bokmål8.368.4B16.8B1.5M5 604
FinePDFs Nynorsk1.150.3B2.3B92.8K3 117
FinePDFs Faroese0.1787.1M0.3B20.8K4 196
FinePDFs Icelandic1.603.2B3.2B0.4M8 855
FinePDFs Swedish2.4818.9B5.0B4.1M4 574
FinePDFs Danish2.4510.1B4.9B2.4M4 190
Northern Sami0.1846.4M0.4B0.2M288
Wiki (OLMo-Mix)0.020.2B40.3M0.3M667
Alg. Stack (OLMo-Mix)0.040.6B80.5M0.1M4 201
Open Web Math (OLMo-Mix)0.040.6B80.5M0.1M4 199
ArXiv (OLMo-Mix)0.051.0B0.1B0.2M5 210
PeS2o (OLMo-Mix)0.152.5B0.3B1.6M1 641
DCLM (OLMo-Mix)9.5048.3B19.1B35.1M1 377
StarCoder (OLMo-Mix)2.1030.5B4.2B23.6M1 293

[!NOTE] The number of documents represents the total unique number of documents, not the documents used during training.

[!NOTE] We only took a portion of OLMo-Mix as our unique data.

Stage 2 (6 000 steps -- 50B tokens) and Stage 3 (3 000 steps -- 25B tokens)

Data ("midtraining data")

Data Splits

DataPercentageUnique TokensTotal TokensNumber of DocumentsAverage Document Length
HPLT Bokmål45.7823.0B23.0B19.0M1 215
HPLT Nynorsk7.841.0B3.9B1.0M1 003
HPLT Icelandic6.873.5B3.5B2.7M1 268
HPLT Swedish4.902.5B2.5B3.6M3 403
HPLT Danish7.733.9B3.9B4.1M2 950
FinePDFs-Edu Bokmål2.241.1B1.1B0.2M6 897
FinePDFs-Edu Nynorsk0.2835.8M0.1B9.7K3 681
FinePDFs Faroese0.6987.1M0.3B20.8K4 196
FinePDFs-Edu Icelandic0.530.3B0.3B40.1K6 598
FinePDFs-Edu Swedish5.802.9B2.9B0.4M6 755
FinePDFs-Edu Danish2.971.5B1.5B0.3M5 833
FinePDFs-Edu English7.007.2B3.5B1.1M6 280
Northern Sami0.3746.4M0.2B0.2M288
Stack-Edu5.0012.8B2.5B15.0M856
MegaMath Web-Pro0.8413.7B0.4B15.0M917
FineMath 4+0.6210.1B0.3B6.7M1 512
InfiWebMath 4+0.548.9B0.3B6.3M1 417

Training details

HyperparameterValue
Embedding train steps1 000
Warmup steps2 000
Total train steps24 000
Learning rate scheduleWarmup + constant
Learning rate3e-4
Weight decay1e-1
Sequence length4 096
Batch size2 048
RoPe theta500 000
Clip grad1.0
Adam epsilon1e-8
Adam beta_10.9
Adam beta_20.95
RMSNorm epsilon1e-6
Z-loss ratio1e-5
Diffusion loss ratio2e-2
HyperparameterValue
Decay steps6 000
Total train steps6 000
Learning rate scheduleLinear decay
Initial learning rate3e-4
Final learning rate1.5e-4
Weight decay1e-1
Sequence length4 096
Batch size2 048
RoPe theta500 000
Clip grad1.0
Adam epsilon1e-8
Adam beta_10.9
Adam beta_20.95
RMSNorm epsilon1e-6
Z-loss ratio1e-5
Diffusion loss ratio2e-2
HyperparameterValue
Decay steps3 000
Total train steps3 000
Learning rate scheduleLinear decay
Max learning rate1.5e-4
Final learning rate0
Weight decay1e-1
Sequence length16 384
Batch size512
RoPe theta2 000 000
Clip grad1.0
Adam epsilon1e-8
Adam beta_10.9
Adam beta_20.95
RMSNorm epsilon1e-6
Z-loss ratio1e-5
Diffusion loss ratio2e-2

Acknowledgements

Training was conducted as a part of the HPLT project.

This project has received funding from the European Union’s Horizon Europe research and innovation programme under grant agreement No 101070350 and from UK Research and Innovation (UKRI) under the UK government’s Horizon Europe funding guarantee [grant number 10052546]

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Olmo2ForCausalLM
Ревизия весов
e0d4c3c

0 моделей