/ Модель

Характеристики

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

OctoThinker-1B-Short-Base

Генерация текстаТекст → текст

Базовая модель семейства OctoThinker на основе Llama 3.2 1B для генерации текста и дальнейшего обучения с подкреплением.

202скачиваний 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-Short-Base — базовая языковая модель семейства OctoThinker, разработанная на основе Meta Llama 3.2 1B и дообученная на наборах MegaMath-Web-Pro-Max и MegaMath. Она предназначена для генерации текста и как основа для последующего обучения с подкреплением и адаптации к прикладным задачам. Модель использует плотную архитектуру LlamaForCausalLM, содержит около 1,2 млрд параметров и поддерживает контекст до 131 072 токенов.

В карточке приведены результаты оценки базовых моделей с few-shot prompting. Указана лицензия Llama 3.2; перед использованием необходимо соблюдать её условия. README не описывает узкую специализацию модели или подтверждённые показатели качества.

Сценарии применения

  • генерация текста на основе подсказки
  • создание базовой модели для обучения с подкреплением
  • адаптация языковой модели к прикладным задачам

Ограничения

README не приводит подробных результатов оценки или сведений о качестве для конкретных задач; модель описана как базовая, предназначенная для дальнейшего обучения и адаптации.

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-Short-Base

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.

Training Recipe

Evaluation Results

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

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
a4487fa

0 моделей