/ Модель

Характеристики

Контекст
131 072 токена
Параметры
3,2 млрд
Размер весов
6,4 ГБ
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-3B
Опубликована
22 апр 2025

OctoThinker-3B-Long-Base

Генерация текстаТекст → текст

Дообученная на математических наборах базовая языковая модель на 3,2 млрд параметров для генерации текста и последующего обучения с подкреплением.

104скачиваний за 30 дней1лайквеса 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-3B-Long-Base — плотная авторегрессионная языковая модель семейства Llama, разработанная OctoThinker на основе Meta Llama 3.2 3B. Модель дообучена на наборах MegaMath и MegaMath-Web-Pro-Max как базовая модель, ориентированная на последующее обучение с подкреплением.

Модель предназначена для генерации текста и служит основой для дальнейшей настройки и экспериментов, в том числе с обучением с подкреплением. Она содержит 3,2 млрд параметров, поддерживает контекст до 131 072 токенов и работает с текстом; в карточке указан английский язык. В README приведена оценка базовых моделей с few-shot prompting, но численные результаты не представлены.

Модель распространяется в формате safetensors по лицензии Llama 3.2. Это базовая модель, поэтому её поведение в диалоге и качество выполнения конкретных задач могут зависеть от последующей настройки.

Сценарии применения

  • генерация текста на английском языке
  • создание основы для обучения с подкреплением
  • дообучение языковой модели под собственные задачи

Ограничения

Это базовая модель, поэтому для прикладного диалога или специализированных задач может потребоваться дополнительная настройка. README упоминает few-shot оценивание, но не приводит численных результатов.

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OctoThinker: Mid-training Incentivizes Reinforcement Learning Scaling

OctoThinker-3B-Long-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
6598e58

0 моделей