/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
7,6 млрд
Размер весов
16,4 ГБ
Лицензия
Apache 2.0
Архитектура
sdar · dense
Базовая модель
SDAR-8B-Chat
Библиотека
transformers
Опубликована
18 ноя 2025

DiRL-8B-Instruct

Генерация текстаТекст → текст3 профессии

Диффузионная языковая модель на 7,6 млрд параметров для решения математических задач и диалоговых ответов.

91скачиваний за 30 дней14лайковвеса обновлены20 янв 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

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

DiRL-8B-Instruct — языковая модель с диффузионной архитектурой SDAR на 7,6 млрд параметров, разработанная командой OpenMOSS-Team для математических рассуждений. Она дообучена на основе JetLM/SDAR-8B-Chat в два этапа: SFT и обучение с подкреплением (RL). Модель предназначена для решения математических задач и ответов в диалоговом формате; карточка сообщает о результатах на тестах MATH500, GSM8K, AIME и OlympiadBench.

Модель принимает текст и генерирует текст, поддерживает английский и китайский языки, использует библиотеку Transformers и имеет контекстное окно 32 768 токенов. В README заявлены высокие результаты среди моделей масштаба 8B, однако приведённая таблица неполная, поэтому эти сравнения нельзя независимо оценить по карточке. Модель распространяется по лицензии Apache-2.0.

Сценарии применения

  • решение математических задач с пошаговыми рассуждениями
  • ответы на задачи уровня математических олимпиад
  • решение текстовых арифметических задач
  • оценка способности языковых моделей к математическим рассуждениям

Ограничения

Карточка описывает результаты на математических бенчмарках, но не содержит полного набора результатов и деталей оценки. Специализация на математике не подтверждает надёжность ответов в других областях.

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

Introduction

DiRL-8B-Instruct is an 8B parameter diffusion language model specialized for mathematical reasoning. It is trained using the DiRL framework based on SDAR-8B-Chat. Through two-stage training (SFT + RL), DiRL-8B-Instruct achieves state-of-the-art results at the 8B scale on mathematical reasoning benchmarks, even outperforming 32B models on most tasks.

Highlights

  • SOTA Performance: Achieves 83.05% on MATH500, 20.63% on AIME2024, and 20.83% on AIME2025, surpassing all 8B baselines.
  • Training Framework: Trained with DiRL, an efficient training framework for diffusion language models.
  • Strong Baseline: Built on SDAR-8B-Chat, gaining +11.20% on MATH500 and +11.46% on AIME2024.

Inference

Using LMDeploy

from lmdeploy import pipeline, PytorchEngineConfig, GenerationConfig
from transformers import AutoTokenizer

model_path = "OpenMOSS-Team/DiRL-8B-Instruct"

# Load tokenizer
tokenizer = AutoTokenizer.from_pretrained(model_path)

# Prepare prompts
prompts = [
    [{"role": "user", "content": "Solve: If x + 5 = 12, what is x?"}],
]
prompts = tokenizer.apply_chat_template(prompts, tokenize=False, add_generation_prompt=True)

# Configure backend for DLLM inference
backend_config = PytorchEngineConfig(
    dtype="float16",
    max_prefill_token_num=8192,
    cache_max_entry_count=0.8,
    dllm_block_length=4,
    dllm_denoising_steps=4,
    dllm_unmasking_strategy="low_confidence_dynamic",
    dllm_confidence_threshold=0.9,
)

# Create inference pipeline
with pipeline(model_path, backend_config=backend_config) as pipe:
    gen_config = GenerationConfig(
        top_p=1.0,
        top_k=50,
        temperature=1.0,
        do_sample=False,  # greedy decoding
        max_new_tokens=8192,
    )
    
    outputs = pipe(prompts, gen_config=gen_config)
    
    for output in outputs:
        print(output.text)

Performance

ModelMATH500GSM8KAIME2024AIME2025OlympiadBenchAverage
Qwen2.5-7B-Instruct73.7889.788.965.6336.5842.95
Qwen2.5-32B-Instruct81.1394.0312.9211.8845.6549.12
SDAR-8B-Chat71.8589.879.179.3836.0343.26
Trado-8B-Instruct75.5991.0611.6715.0040.3246.73
DiRL-8B-Instruct83.0593.0320.6320.8346.4052.79

Citation

If you use this model in your research, please cite:

@misc{zhu2025dirl,
  title={DiRL: An Efficient Post-Training Framework for Diffusion Language Models},
  author={Zhu, Ying and Wan, Jiaxin and Liu, Xiaoran and He, Siyanag and Wang, Qiqi and Guo, Xu and Liang, Tianyi and Huang, Zengfeng and He, Ziwei and Qiu, Xipeng},
  year={2025},
  eprint={2512.22234},
  archivePrefix={arXiv},
  primaryClass={cs.CL},
  url={https://arxiv.org/abs/2512.22234}
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
SDARForCausalLM
Ревизия весов
898c2ea

0 моделей