/ Модель

Характеристики

Размер весов
23,9 ГБ
Лицензия
Своя лицензия
Архитектура
gemma4_unified · dense
Базовая модель
gemma-4-12B-it
Библиотека
transformers
Опубликована
2 июл 2026

Grug-12B

Генерация текстаТекст → текст11 профессий

Экспериментальная дообученная Gemma 4 12B IT для диалога и решения задач с компактными, менее многословными рассуждениями.

109скачиваний за 30 дней68лайковвеса обновлены2 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 12B — экспериментальная дообученная модель на базе Google Gemma 4 12B IT, созданная для компактных рассуждений. Разработчик обучил её сохранять важные шаги, ограничения, развилки и проверки ответа, сокращая многословные цепочки рассуждений. Веса опубликованы в формате Transformers/safetensors; модель доступна для диалогового использования и генерации текста.

Модель подходит для задач общего рассуждения, математики и программирования, где полезны более короткие ответы и меньшее число токенов рассуждения. Дообучение выполнено методом QLoRA с последующим слиянием адаптера с базовой моделью. В метаданных базовая Gemma 4 описана как мультимодальная, однако README Grug заявляет только компактные рассуждения и не подтверждает отдельную настройку или оценку обработки изображений, видео и аудио.

В небольшой локальной проверке на 36 математических примерах модель показала более короткую генерацию и более высокие прокси-показатели, но автор подчёркивает, что это не широкий бенчмарк. Модель может чрезмерно сжимать рассуждения в задачах, требующих длинных выводов, и наследует ограничения и поведение безопасности базовой модели. Лицензия указана как other; README рекомендует отдельно проверять лицензии и происхождение данных, особенно для коммерческого или чувствительного применения.

Сценарии применения

  • решение математических задач с коротким обоснованием
  • ответы на вопросы общего характера с компактными рассуждениями
  • анализ и отладка кода с сохранением ключевых проверок
  • сравнение расхода токенов рассуждения с базовой Gemma 4

Ограничения

Модель может чрезмерно сжимать рассуждения в задачах, требующих длинных выводов; приведённая оценка ограничена небольшой локальной проверкой на 36 математических примерах. Лицензия указана как other, а README советует проверять лицензии и происхождение обучающих данных перед коммерческим или чувствительным использованием.

Для каких профессий подходит11

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 12B banner

Grug 12B

Grug 12B is a compact-reasoning fine-tune of google/gemma-4-12B-it. It was trained to keep the useful information from a reasoning trace while making the trace shorter, denser, and less verbose.

This repository is published as merged Transformers/safetensors model weights. It was trained with QLoRA, then merged into the base model for release.

What Changed

The training target is a terse internal-reasoning style: short high-density steps, fewer filler words, and explicit preservation of key constraints, branching decisions, invariants, edge cases, and final-answer checks.

The goal is lower reasoning-token usage relative to the base model while preserving answer quality. It is not meant to hide uncertainty or remove needed reasoning.

Training Data

The data pipeline started from a recent, filtered reasoning pool and converted verbose traces into compact traces before SFT packing.

Source gate:

  • Run date: June 30, 2026.
  • Default freshness cutoff: 45 days. Sources older than May 16, 2026 were rejected unless manually allowed.
  • Allowed train licenses: MIT, Apache-2.0, CC-BY-4.0, CC0-1.0.
  • Hard reject terms included OpenAI, ChatGPT, GPT-5, Claude, Anthropic, Opus, Sonnet, and Gemini.
  • Soft-risk sources marked as synthetic/distill were manually reviewed or rejected depending on provenance and license.

Final verified source mix:

SourceLicenseDomainVerified rows
hotdogs/uka-glm-5.2MITagent code1,617
Scale-or-Reason/general-reasoning-ift-pairsMITgeneral reasoning1,305
samcheng0/lumia-reasoning-sft-v1Apache-2.0code reasoning1,103
HSH-Intelligence/verified-math-reasoning-3kApache-2.0math672
kd13/CodeDebug-Instruct-v2-ReasoningMITcode debug600
Madarabr/cortex-adaptive-thinkingApache-2.0adaptive reasoning300
CL-From-Nothing/code_rose_initial_1_7B_SFT_10K_rollouts_Qwen3-4B-Thinking-2507_k12_t0.7_maxtok12288Apache-2.0code reasoning143

Row counts:

  • Normalized recent reasoning pool: 8,680 rows.
  • Selected verbose reasoning set: 6,144 rows.
  • Compact raw transform output: 6,144 rows.
  • Verified compact rows: 5,740 rows.
  • Rejected compact rows: 404 rows.
  • Packed SFT split: 5,166 train / 287 validation / 287 test.

The compact reasoning transform was generated with cyankiwi/Qwen3.6-35B-A3B-AWQ-4bit served by vLLM. Rows were checked for compression ratio, answer preservation, and obvious loss of critical reasoning information before training.

Training Procedure

Training was completion-only SFT: prompt tokens were masked with -100, and only the assistant completion was trained.

Core settings:

  • Base model: google/gemma-4-12B-it.
  • Method: QLoRA / PEFT LoRA, merged into full model weights for upload.
  • Quantization during training: 4-bit NF4 with BF16 compute.
  • Max sequence length: 6,144.
  • LoRA rank: 16.
  • LoRA alpha: 32.
  • LoRA dropout: 0.05.
  • Target modules: q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj.
  • Batch size: 1.
  • Gradient accumulation: 16.
  • Learning rate: 8e-5.
  • Max steps: 100.
  • Eval steps: 50.
  • Save steps: 50.
  • Train runtime: about 35 minutes 20 seconds on one A100.
  • Final eval loss: 0.8895.

No train or validation rows were skipped in the final run.

Local Evaluation

Small local EOS-only math proxy eval, no generation token cap:

ModelRowsTotal generated tokensAvg generated tokensProxy accuracyNumeric last-match rate
google/gemma-4-12B-it base368,227228.5391.7%86.1%
Grug 12B362,48268.94100.0%100.0%

This is a small proxy eval, not a broad benchmark. Treat it as a smoke test showing the intended token-efficiency direction, then run your own benchmark.

Usage

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "kai-os/Grug-12B"

tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)
model = AutoModelForCausalLM.from_pretrained(
    model_id,
    torch_dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)
model.eval()

messages = [
    {"role": "user", "content": "If a shirt is $80 and goes 25% off, what is the sale price?"}
]
inputs = tokenizer.apply_chat_template(
    messages,
    return_tensors="pt",
    add_generation_prompt=True,
).to(model.device)

with torch.no_grad():
    output = model.generate(inputs, do_sample=False, max_new_tokens=512)

print(tokenizer.decode(output[0], skip_special_tokens=True))

For token-efficiency tests, compare against the base model with the same prompt, same decoding settings, and no artificial token cap unless your deployment requires one.

Limitations

  • This is an experimental fine-tune.
  • It may over-compress reasoning on tasks that need longer derivations.
  • It inherits the base model's limitations and safety behavior.
  • The reported eval is small and local.
  • The dataset includes synthetic and distilled reasoning traces from the listed open datasets; review source licenses and provenance before using this in commercial or sensitive settings.

Acknowledgements

Thanks to Lambda, the inference provider, for compute credits that supported the dataset work, training, and evaluation.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Gemma4UnifiedForConditionalGeneration
Ревизия весов
e715399

0 моделей