/ Модель

Характеристики

Контекст
262 144 токена
Лицензия
Apache 2.0
Архитектура
qwen3_5_moe · dense
Базовая модель
Ornith-1.0-35B
Опубликована
25 июл 2026

GRM-3.2-Sky

Изображение и текст → текст10 профессий

GRM-3.2-Sky — дообученная мультимодальная MoE-модель OrionLLM для длительных агентных сценариев, сложного программирования и многошаговых рассуждений.

1 321скачиваний за 30 дней59лайковвеса обновлены22 сен 2026

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 «Изображение → 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 оценки7

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • harborframework/terminal-bench-2.1

    score · выше — лучше

    Результат

    66,3

    terminalbench_2_1 66,3
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • ScaleAI/SWE-bench_Pro

    score · выше — лучше

    Результат

    58,3

    SWE_Bench_Pro 58,3
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • datacurve/deep-swe

    score · выше — лучше

    Результат

    19,5

    deep_swe 19,5
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • SWE-bench/SWE-bench_Verified

    score · выше — лучше

    Результат

    81,4

    swe_bench_%_resolved 81,4
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • MathArena/hmmt_feb_2026

    score · выше — лучше

    Результат

    86,4

    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • TIGER-Lab/MMLU-Pro

    score · выше — лучше

    Результат

    89,5

    mmlu_pro 89,5
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

  • Idavidrein/gpqa

    score · выше — лучше

    Результат

    90,6

    diamond 90,6
    Hugging Face Leaderboards

    Публичная таблицаревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

GRM-3.2-Sky — модель OrionLLM для длительных агентных задач и сложных рассуждений. Она предназначена для многошагового планирования, сложного программирования, математики и логических задач, включая продолжительные сессии работы с кодом и инструментами.

Модель основана на дообученной Ornith-1.0-35B: это MoE-архитектура на 35 млрд параметров с примерно 3 млрд активных параметров. Метаданные указывают поддержку чата и изображений; задача модели в каталоге — image-text-to-text. Модель распространяется в формате safetensors по лицензии Apache 2.0.

В README заявлены устойчивое следование цели в длинных рабочих процессах, планирование и решение сложных задач с кодом, математикой и логикой. Эти характеристики приведены разработчиком; в доступной карточке сравнительная таблица бенчмарков опущена. Длина контекста и поддерживаемые естественные языки не указаны в предоставленных данных.

Сценарии применения

  • многошаговое планирование и выполнение задач агентом
  • отладка и рефакторинг сложных кодовых баз
  • решение задач по продвинутой математике
  • разбор сложных логических задач
  • ответы на вопросы по изображениям в диалоговом сценарии

Ограничения

Заявления о качестве и сравнительном превосходстве приведены разработчиком, а таблица бенчмарков в предоставленном README опущена. Длина контекста и поддерживаемые языки в предоставленных данных не указаны.

Для каких профессий подходит10

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

1. Introduction

We're introducing GRM-3.2-Sky, our latest flagship model built for long-horizon agentic tasks and extremely difficult reasoning problems. GRM-3.2-Sky marks a substantial leap in long-horizon task capability over its predecessor, GRM-2.6-Plus, and is designed to serve as a dependable engine for complex, multi-step workflows.

The model is purpose-built for long-horizon agentic tasks and problems that are simply hard — difficult coding challenges, advanced mathematics, and rigorous logical reasoning. GRM-3.2-Sky aims to sustain coherent, goal-directed behavior over extended interactions, making it well suited for users who need a model that doesn't lose the thread across many steps of tool use, planning, and self-correction.

2. Key Capabilities

  • Long-Horizon Agentic Mastery: GRM-3.2-Sky is specifically optimized to maintain coherence, planning quality, and task fidelity across long, multi-step agentic workflows, a significant step up from GRM-2.6-Plus.
  • Elite Reasoning on Hard Problems: Strong performance on difficult coding, advanced mathematics, and logical reasoning tasks, with careful, structured step-by-step problem-solving.
  • Robust Coding Ability: Handles complex, difficult codebases and multi-file coding tasks, including debugging, refactoring, and long-running terminal/agentic coding sessions.
  • Consistent Logical Reasoning: Built to reason carefully through multi-constraint logic problems without losing track of intermediate steps.
  • Flagship-Class Performance: Positioned as the top of the GRM lineup, intended to compete head-to-head with frontier-scale models on the hardest tasks.

3. Performance

GRM-3.2-Sky is designed as our most capable model to date for long-horizon agentic work and difficult reasoning. It builds directly on the strengths of GRM-2.6-Plus while specifically targeting the failure modes that emerge over long task horizons — drift, inconsistency, and loss of goal state — resulting in meaningfully improved reliability across extended sessions.

Its core strength is sustained intelligence over time: elite-level reasoning, resilient long-horizon planning, and the ability to stay on task through difficult, multi-step coding, math, and logic problems.

Agentic Performance Evaluation

Detailed Benchmarks

Scores are taken from each provider's own published model card, blog post, or system card where available; "—" indicates a score was not publicly reported by that provider at the time of writing. Different labs may use different agent scaffolds when reporting SWE-bench and Terminal-Bench results, so cross-provider comparisons should be read with that caveat.

4. Family

The GRM-3.2 family is available in various sizes to suit every use case.

5. Architecture

GRM-3.2-Sky is built on the Ornith-1.0-35B architecture, a 35B-parameter Mixture-of-Experts model with ~3B active parameters (35B-A3B), optimized for long-horizon agentic workflows, difficult coding, advanced mathematics, and rigorous logical reasoning, while remaining efficient to deploy thanks to its sparse activation.


GRM-3.2-Sky is developed by OrionLLM and released under the Apache 2.0 License.

Как запустить

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

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3_5MoeForConditionalGeneration
Ревизия весов
0106c05

0 моделей