/ Модель

Характеристики

Контекст
65 536 токенов
Параметры
32,2 млрд
Размер весов
66,4 ГБ
Лицензия
Apache 2.0
Архитектура
llama · dense
Библиотека
transformers
Опубликована
14 авг 2026

llm-jp-4-33b-thinking

Генерация текстаТекст → текст15 профессий

Японско-английская языковая модель на 32,2 млрд параметров для диалогов, генерации текста и решения задач с рассуждением.

3 047скачиваний за 30 дней45лайковвеса обновлены14 авг 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

LLM-jp-4-33b-thinking — плотная трансформерная языковая модель семейства Llama, разработанная Центром исследований и разработок больших языковых моделей Национального института информатики Японии. Она предназначена для диалогов, генерации ответов и решения задач с рассуждением на японском и английском языках; поддерживает интерфейс вызова инструментов.

Модель содержит 32,2 млрд параметров, имеет 64 слоя и контекст до 65 536 токенов. Она обучалась на этапах предварительного и промежуточного обучения на 11,7 трлн токенов, затем прошла SFT и выравнивание DPO без обучения с подкреплением. Доступна в формате Safetensors для Transformers, лицензия — Apache-2.0.

Разработчики отмечают, что модель находится на раннем этапе исследований и разработок и не настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Для корректной работы следует использовать приложенный токенизатор: он отличается от предположений библиотеки openai-harmony, несмотря на совместимость шаблона диалога с Harmony.

Сценарии применения

  • многошаговые диалоги на японском и английском
  • генерация ответов на вопросы
  • решение текстовых задач с рассуждением
  • создание и редактирование текстов
  • подключение инструментов в диалоговом приложении

Ограничения

Модель находится на раннем этапе разработки и, по заявлению авторов, не настроена для гарантированного соответствия человеческим намерениям и требованиям безопасности. Для корректной токенизации используйте токенизатор модели: прямая токенизация через библиотеку openai-harmony не поддерживается.

Для каких профессий подходит15

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

llm-jp-4-33b-thinking

LLM-jp-4 is a series of large language models developed by the Research and Development Center for Large Language Models at the National Institute of Informatics.

This repository provides the llm-jp-4-33b-thinking model. For an overview of the LLM-jp-4 models across different parameter sizes, please refer to:

Base models are trained with pre-training and mid-training only. Post-trained models are aligned using supervised fine-tuning (SFT) and direct preference optimization (DPO), without reinforcement learning.

For practical usage examples and detailed instructions on how to use the models, please also refer to our cookbook.

To support the continued development of LLM-jp, we would greatly appreciate it if you could share how you utilize LLM-jp outcomes via the survey form.

Usage

Please refer to our cookbook for practical usage examples and detailed instructions on how to use the models.

Model Details

  • Model type: Transformer-based Language Model
  • Architectures:

Dense model:

ParamsLayersHidden sizeHeadsContext lengthEmbedding parametersNon-embedding parametersTotal parameters
8B324,0963265,536805,306,3687,784,894,4648,590,200,832
33B645,1204065,5361,006,632,96032,212,915,20033,219,548,160

MoE model:

ParamsLayersHidden sizeHeadsRouted ExpertsActivated ExpertsContext lengthEmbedding parametersNon-embedding parametersActivated parametersTotal parameters
32B-A3B322,56040128865,536503,316,48031,635,712,5123,827,476,99232,139,028,992

Tokenizer

The tokenizer of this model is based on huggingface/tokenizers Unigram byte-fallback model. The vocabulary entries were converted from llm-jp-tokenizer v4.0. Please refer to README.md of llm-jp-tokenizer for details on the vocabulary construction procedure (the pure SentencePiece training does not reproduce our vocabulary).

[!NOTE] The chat template of this model is designed to be compatible with the OpenAI Harmony response format. However, the tokenizer differs from the one assumed by the openai-harmony library, and therefore direct tokenization with openai-harmony is not supported. For correct behavior, please use the tokenizer provided with this model. For detailed usage, please refer to our cookbook.

Training

Pre-training

This model is trained through a multi-stage pipeline consisting of pre-training and mid-training phases, using a total of 11.7T tokens.

pretraining_overview

The corpora used for pre-training and mid-training are publicly available at the following links:

[!NOTE] Although most of the corpora have been released, some portions are excluded from public release due to licensing constraints.

Post-training

We have fine-tuned the pre-trained checkpoint using SFT and further aligned it with DPO.

The datasets used for post-training are also publicly available at the following links:

Evaluation

llm-jp-judge

We evaluated the model on a variety of tasks using an LLM-as-a-Judge framework. The descriptions of each task are as follows.

  • MT-Bench (JA/EN): A benchmark for measuring multi-turn conversational task-solving ability.
  • AnswerCarefully: A benchmark for evaluating safety in Japanese. We used 336 questions from the v2.0 test set.
  • llm-jp-instructions: A set of human-created single-turn question–answer pairs. We used 400 questions from the test set.

We evaluated the models using gpt-5.4-2026-03-05.

[!NOTE] Note: In earlier evaluations of the llm-jp-3 series, we used gpt-4o-2024-08-06. The newer evaluator gpt-5.4-2026-03-05 provides a stricter and more reliable assessment, which results in lower scores on benchmarks such as MT-Bench compared to those reported for the llm-jp-3 series.

The scores represent the average values obtained from three rounds of inference and evaluation. For more details, please refer to the codes.

Model NameMT-Bench (JA)MT-Bench (EN)AnswerCarefullyllm-jp-instructions
gpt-4o-2024-08-067.297.694.004.07
gpt-5.4-2026-03-05 (reasoning_effort = low)8.878.764.384.79
gpt-5.4-2026-03-05 (reasoning_effort = medium)8.878.894.434.82
gpt-5.4-2026-03-05 (reasoning_effort = high)8.988.854.414.83
gpt-oss-20b (reasoning_effort = low)7.217.953.393.08
gpt-oss-20b (reasoning_effort = medium)7.337.853.553.16
llm-jp-4-8b-thinking (reasoning_effort = low)7.237.543.583.50
llm-jp-4-8b-thinking (reasoning_effort = medium)7.547.793.693.54
llm-jp-4-32b-a3b-thinking (reasoning_effort = low)7.577.703.613.61
llm-jp-4-32b-a3b-thinking (reasoning_effort = medium)7.827.863.703.61
llm-jp-4-33b-thinking (reasoning_effort = low)7.678.053.633.74
llm-jp-4-33b-thinking (reasoning_effort = medium)8.008.243.793.79

Risks and Limitations

The models released here are in the early stages of our research and development and have not been tuned to ensure outputs align with human intent and safety considerations.

Send Questions to

llm-jp(at)nii.ac.jp

License

Apache License, Version 2.0

Acknowledgement

To develop this model, we used the NINJAL Web Japanese Corpus (whole-NWJC) from the National Institute for Japanese Language and Linguistics (NINJAL).

Model Card Authors

The names are listed in alphabetical order.

Hirokazu Kiyomaru and Takashi Kodama.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
LlamaForCausalLM
Ревизия весов
9e69286

0 моделей