/ Модель

Характеристики

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

grug-35b-v2

Генерация текстаТекст → текст7 профессий

Дообученная англоязычная модель для диалогов, экономного рассуждения, генерации кода и агентных задач с использованием инструментов.

234скачиваний за 30 дней20лайковвеса обновлены23 июл 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 «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

grug-35b-v2 — разговорная модель для генерации текста и диалогов, разработанная ProCreations на базе Ornith-1.0-35B от DeepReinforce. Это дообученная модель семейства Qwen3.5 MoE; по карточке, обучение использовало LoRA для attention, DeltaNet и общие пути, затем веса были объединены в bf16 и продолжено дообучение на данных для длинных агентных сессий и сложных рассуждений. Метаданные указывают формат safetensors и поддержку чата.

Модель формирует внутренние рассуждения в стиле grug между специальными разделителями, а итоговые ответы — на обычном английском. Она предназначена для генерации кода и решения математических задач с меньшим расходом токенов, а также для агентных сценариев с вызовом инструментов. В README приведены результаты HumanEval, MBPP, GSM8K и MATH-500, а также сравнительные замеры числа токенов; это результаты автора и они зависят от использованного тестового окружения.

В описании отмечены снижение точности относительно базовой модели на HumanEval и MBPP, а также меньшая частота выбора вызова инструмента: при сделанном вызове автор сообщает о высокой корректности аргументов и выбора инструмента. Указана лицензия Apache-2.0. Для запуска автор приводит пример с vLLM и ограничением контекста в 32768 токенов; это параметр команды запуска, а не заявленная максимальная длина контекста модели.

Сценарии применения

  • генерация и исправление кода
  • решение математических задач
  • диалоговое рассуждение с короткими ответами
  • выполнение многошаговых агентных задач
  • подготовка аргументов для вызова инструментов

Ограничения

Автор сообщает о более низких результатах HumanEval и MBPP по сравнению с базовой моделью, а также о том, что модель реже выбирает вызов инструмента, когда он уместен. Заявленные сравнительные результаты приведены автором и зависят от тестового окружения.

Для каких профессий подходит7

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

grug-35b-v2

old grug-35b repeat words until cave fall down. grug bury him, study bones, rebuild WHOLE brother from zero with the grug-27b pipeline. v2 different animal: complete retrain, repetition gates, stripped-history training, deep grug reasoning. then v2.1 round on top (long-hunt + deep-think data).

  • base: Ornith-1.0-35B (mixture-of-experts) - template keep think in every turn, grug respect that
  • method: LoRA on attention + DeltaNet + shared paths (expert FFN and router untouched - grug no poke router), merged bf16, then v2.1 continued round with long agent sessions + deep-think data
  • grug think in dense grug-speak inside <think>, answer normal english

number. same harness as grug-27b, all open

testOrnith-35B basegrug-35b-v2.1token (base -> grug)
HumanEval86.684.84882 -> 215 (-96%)
MBPP92.088.01883 -> 96 (-95%)
GSM8K92.592.01512 -> 105 (-93%)
MATH-500 (unseen, base give 12k budget)63.364.76892 -> 209 (-97%)
SWE replay: right tool %52.979.4
SWE replay: args schema-valid %100100
repetition gauntlet healthy83.786.0
degenerate loops00
think blocks closed93.0%100%

MATH-500 special: never touch any grug data pipeline. base got 3x bigger budget and still 32% of base run hit token wall. grug beat base with 33x fewer token. no benchmaxx, just no fat.

grug honest corner: HumanEval -1.8, MBPP -4 vs base. and tool-call PRESENCE 82.4% vs base 98.5 (grug sometimes answer in words when tool call better; when grug DO call, args 100% valid and right tool way more often, 79.4 vs 52.9). old v1 repetition sickness: extinct. zero loops all gauntlets.

v2 -> v2.1 changelog

testv2v2.1
MBPP86.088.0
right tool %77.979.4
GSM8K93.592.0
loops00

v2.1 add: stuck-loop escape, sacred no-tool final summary, fresh think every turn, deep-think on hard problems. same medicine as grug-27b v2.1.

how run

vllm serve ProCreations/grug-35b-v2 --max-model-len 32768 --reasoning-parser deepseek_r1

gguf rocks (+ vision mmproj): grug-35b-v2-gguf. sampling temp 0.6-1.0, top_p 0.95, top_k 20. MTP not included (mtp_num_hidden_layers=0); vision tower untouched from base.

grug family

grug-v2-9b | grug-27b | grug-27b-qat-q4-gguf | brain food: v2 data + v2.1 data

grug made by ProCreations. base brain by DeepReinforce.

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
1f72532

0 моделей