/ Модель

Характеристики

Контекст
131 072 токена
Параметры
7,5 млрд
Размер весов
16,1 ГБ
Лицензия
Llama 3.2
Архитектура
llama · dense
Базовая модель
Llama-3.2-3B
Опубликована
24 апр 2025

OctoThinker-8B-Hybrid-Base

Генерация текстаТекст → текст6 профессий

Базовая англоязычная модель OctoThinker на 7,5 млрд параметров для генерации текста и дальнейшего обучения с подкреплением.

323скачиваний за 30 дней2лайкавеса 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/OctoThinker-8B-Hybrid-Base — базовая плотная языковая модель для генерации текста, разработанная на основе Meta Llama 3.2 3B и дообученная на наборах MegaMath и MegaMath-Web-Pro-Max. Семейство OctoThinker создавалось с учётом результатов исследований промежуточного обучения и предназначено для дальнейшего обучения с подкреплением; приведённая оценка базовых моделей использует few-shot prompting.

Модель имеет архитектуру LlamaForCausalLM, содержит 7,5 млрд параметров и поддерживает контекст до 131 072 токенов. В карточке указан английский язык, формат весов — safetensors, лицензия — llama3.2. Она подходит как основа для экспериментов и систем генерации текста, особенно при разработке моделей, обучаемых с подкреплением. README содержит результаты оценки, но не приводит их численные значения; специальных ограничений применения карточка не описывает.

Сценарии применения

  • создание исходной модели для последующего обучения с подкреплением
  • генерация текста по промпту
  • few-shot оценка языковой модели
  • эксперименты с промежуточным обучением LLM

Ограничения

README не приводит численные результаты оценки и не описывает специальные ограничения качества или применения. Для использования требуется учитывать условия лицензии llama3.2.

Для каких профессий подходит6

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

OctoThinker: Mid-training Incentivizes Reinforcement Learning Scaling

OctoThinker-8B-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
f464865

0 моделей