/ Модель

Характеристики

Контекст
131 072 токена
Параметры
1,2 млрд
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-1B
Опубликована
23 апр 2025

OctoThinker-1B-Hybrid-Zero

Генерация текстаТекст → текст3 профессии

Компактная модель Llama, обученная в стиле R1-Zero для генерации текста и задач с рассуждениями.

61скачиваний за 30 дней0лайковвеса обновлены6 июл 2025

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

OctoThinker-1B-Hybrid-Zero — языковая модель семейства OctoThinker, разработанная на основе Llama-3 и предназначенная для генерации текста с акцентом на рассуждения. Модель объёмом 1,2 млрд параметров дообучена методом обучения с подкреплением в стиле R1-Zero на базе OctoThinker-1B-Hybrid-Base, без предварительного supervised fine-tuning. В карточке приведены результаты оценки базовой серии с few-shot prompting.

Модель использует плотную архитектуру Llama и формат весов Safetensors. Заявленная длина контекста — 131 072 токена. В метаданных указан английский язык и лицензия Llama 3.2. Её можно применять для генерации ответов и решения текстовых задач, требующих пошагового рассуждения; карточка не приводит подробностей об обучении или отдельных результатах этой версии.

Сценарии применения

  • генерация ответов на текстовые запросы
  • решение математических задач с пошаговым рассуждением
  • few-shot решение текстовых задач
  • эксперименты с обучением языковых моделей с подкреплением

Ограничения

Карточка приводит оценку few-shot для серии базовых моделей, но не сообщает конкретные результаты этой версии. Размер модели ограничен 1,2 млрд параметров, поэтому качество на сложных задачах может уступать более крупным моделям.

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

OctoThinker: Mid-training Incentivizes Reinforcement Learning Scaling

OctoThinker-1B-Hybrid-Zero

The OctoThinker family is built on carefully studied mid-training insights, starting from the Llama-3 family, to create a reinforcement learning–friendly base language model.

OctoThinker-1B-Hybrid-Zero is trained using the R1-Zero-style reinforcement learning technique, starting from OctoThinker-1B-Hybrid-Base without any supervised fine-tuning (SFT).

Training Recipe for OctoThinker-1B-Hybrid-Base

Evaluation Results of OctoThinker-1B-Base Series

Note that we adopt the few-shot prompting evaluation for these base language models.

RL Training Dynamics of OctoThinker-1B-Zero Series

More about OctoThinker

Citation

Check out our paper for more details. If you use our models, datasets or find our work useful, please cite

@article{wang2025octothinker,
  title={OctoThinker: Mid-training Incentivizes Reinforcement Learning Scaling},
  author={Wang, Zengzhi and Zhou, Fan and Li, Xuefeng and Liu, Pengfei},
  year={2025},
  journal={arXiv preprint arXiv:2506.20512},
  note={Preprint}
}

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
48de1cb

0 моделей