Экспериментальный чекпойнт scale3brlblenddr на шаге 300, разработанный explcre и дообученный методом обучения с подкреплением от TikZilla-3B-RL. Модель предназначена для генерации диаграмм TikZ по текстовым описаниям; обучение использовало Dr.GRPO/DAPO и проверяемую награду blend_dr, сочетающую символьную проверку DSV и RenderGraph без обучаемой модели награды. Данные обучения объединяют описания Kimi-K3 и DaTikZ-v4.

Модель основана на плотной архитектуре Qwen2ForCausalLM, содержит 3,1 млрд параметров и поддерживает контекст до 32 768 токенов. Репозиторий распространяется в формате safetensors по лицензии MIT. Это ранний промежуточный чекпойнт из запланированного обучения на 1 500 шагов; результаты оценки зависят от распределения входных описаний и версии компилятора TeX и проверок, поэтому при сравнении необходимо фиксировать конфигурацию измерений.