Характеристики

Контекст: 40 960 токенов
Параметры: 7,6 млрд
Размер весов: 16,4 ГБ
Лицензия: Apache 2.0
Архитектура: a2d-qwen3 · dense
Базовая модель: Qwen3-8B
Библиотека: transformers
Опубликована: 13 июн 2026

Ссылки

OPDLM-MATH-8B

Генерация текстаТекст → текст3 профессии

Математическая языковая модель на базе Qwen3-8B с блочной диффузионной генерацией, дообученная для решения задач и рассуждений по математике.

29скачиваний за 30 дней0лайковвеса обновлены19 июн 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

OPDLM-MATH-8B — основанная на Qwen/Qwen3-8B языковая модель от divelab, дополнительно обученная методом on-policy distillation для математических рассуждений. Это базовый вариант без отдельного thinking-блока цепочки рассуждений; модель использует архитектуру block diffusion с блоками по 4 токена и четырьмя шагами денойзинга на блок.

Модель предназначена для генерации текста при решении математических задач. В карточке указаны контекст 40 960 токенов и лицензия Apache-2.0; README описывает математическое дообучение на коротком контексте 2k. Для запуска требуется пользовательский код модели и проектные средства инференса с параметрами block_size=4 и denoising_steps_per_block=4; стандартный авторегрессионный model.generate не подходит.

Сценарии применения

решение математических задач в текстовом диалоге
генерация текстовых объяснений к математическим ответам
проверка математических рассуждений

Ограничения

Для инференса нужны пользовательский код и проектные средства генерации; стандартный model.generate не подходит. README описывает постобучение на коротком контексте 2k, хотя метаданные указывают нативный контекст 40 960 токенов.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

IV.5Отраслевые задачиОбразование и развитие навыковAI помогает персонализировать обучение и снижать административную нагрузку на преподавателей.34 задачи6 641модель IV.6Отраслевые задачиНаучные исследования, математика и новые материалыAI помогает формировать гипотезы, анализировать научные данные и ускорять открытие новых материалов и методов.39 задач4 120моделей IV.2Отраслевые задачиБанки, платежи и инвестицииAI помогает управлять финансовым риском, платежами, инвестиционным анализом и обслуживанием клиентов.37 задач1 723модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

OPDLM-MATH-8B

OPDLM-MATH-8B is an On-Policy Distillation Language Model (OPDLM) — a block-diffusion language model (block size 4, 4 denoising steps per block) post-trained for mathematical reasoning. It is built on a block-diffusion adaptation of Qwen/Qwen3-8B (architecture a2d-qwen3).

This is the base (non-thinking) variant: short-context (2k) math post-training, no explicit chain-of-thought thinking block.

arXiv report: arxiv.org/abs/2606.06712

Usage

This model uses custom modeling code; load with trust_remote_code=True. Generation is block-diffusion (non–left-to-right), so use the project's inference utilities (block_size=4, denoising_steps_per_block=4) rather than vanilla model.generate.

from transformers import AutoModel, AutoTokenizer
tok = AutoTokenizer.from_pretrained("divelab/OPDLM-MATH-8B", trust_remote_code=True)
model = AutoModel.from_pretrained("divelab/OPDLM-MATH-8B", trust_remote_code=True)

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Архитектура a2d-qwen3 неизвестна transformers в образе рантайма.

Класс архитектуры: _A2DQwen3LMHeadModel
Ревизия весов: 23f22d1