/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
3,1 млрд
Размер весов
6,2 ГБ
Архитектура
qwen2 · dense
Базовая модель
Qwen2.5-3B-Instruct
Библиотека
transformers
Опубликована
12 фев 2025

german-r1

Генерация текстаТекст → текст3 профессии

Экспериментальная немецкоязычная чат-модель на базе Qwen2.5-3B-Instruct для генерации ответов и проверки рассуждений на немецком языке.

47скачиваний за 30 дней27лайковвеса обновлены12 фев 2025

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

German R1 — экспериментальная немецкоязычная модель генерации текста, созданная Malteos на базе Qwen/Qwen2.5-3B-Instruct. Карточка с ироничной оговоркой «Please do NOT take this too serious» не подтверждает заявленное сравнение с o3 или DeepSeek R1; метаданные указывают на дообучение на наборе openGPT-X/gsm8kx.

Модель имеет плотную архитектуру Qwen2ForCausalLM и 3,1 млрд параметров. Она предназначена для диалоговой генерации текста и может работать с контекстом до 32 768 токенов. В карточке заявлен немецкий язык; доступна через Transformers, веса опубликованы в формате safetensors.

Модель подойдёт для экспериментов с немецкоязычными ответами и рассуждениями. Карточка не содержит надёжных результатов оценки качества или подробных условий использования; лицензию по представленным данным определить нельзя.

Сценарии применения

  • генерация ответов на немецком языке
  • эксперименты с немецкоязычными рассуждениями
  • создание прототипа немецкоязычного чат-бота

Ограничения

Автор прямо просит не воспринимать всерьёз заявленное сходство с o3 и DeepSeek R1; в карточке нет результатов тестирования качества. Условия лицензии в предоставленных данных отсутствуют.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

German R1

A German whale

Introducing German-R1. We are so back!!11

  • 🇩🇪 German R1 is a reasoning model almost equivalent to OpenAI‘s o3 or DeepSeek‘s R1 - but it thinks in German!

  • 🇩🇪 German R1 is so efficient that is was build without any government funding.

  • 🇩🇪 German R1 was only trained with legally imported H100s in less than five minutes.

  • Please do NOT take this too serious.

Context

some contex

See Linkedin: https://www.linkedin.com/posts/activity-7294337496023269376-ZBkI

Usage

You can run the model as follows:

from transformers import pipeline, set_seed
import json

set_seed(42)
pipe = pipeline("text-generation", "malteos/german-r1")

# from gsm8k test set
question = "James beschließt, 3-mal pro Woche 3 Sprints zu laufen.  Er läuft 60 Meter pro Sprint.  Wie viele Meter läuft er insgesamt pro Woche?"
expected_answer = "540"

# xml reasoning and answer format
system_prompt = """
Antworte auf deutsch und in diesem Format:
<reasoning>
...
</reasoning>
<answer>
...
</answer>
"""

messages = [
    {
        "role": "system",
        "content": system_prompt,
    },
    {"role": "user", "content": dataset["question"][3]},
]
response = pipe(messages, max_new_tokens=256)

print(json.dumps(response, indent=4, ensure_ascii=False))

The output should look like this (correct answer: 540)

[
    {
        "generated_text": [
            {
                "role": "system",
                "content": "\nAntworte auf deutsch und in diesem Format:\n<reasoning>\n...\n</reasoning>\n<answer>\n...\n</answer>\n"
            },
            {
                "role": "user",
                "content": "James beschließt, 3-mal pro Woche 3 Sprints zu laufen.  Er läuft 60 Meter pro Sprint.  Wie viele Meter läuft er insgesamt pro Woche?"
            },
            {
                "role": "assistant",
                "content": "<reasoning>\nJames läuft 3 Sprints pro Tag, wobei jeder Sprint 60 Meter beträgt. Deshalb läuft er pro Tag 3 Sprints * 60 Meter/Sprint = 180 Meter. James läuft 3 Mal pro Woche, also läuft er insgesamt 180 Meter * 3 = 540 Meter pro Woche.\n</reasoning>\n<answer>\n540\n</answer>\n"
            }
        ]
    }
]

Training details

  • Base model: Qwen2.5-3B-Instruct
  • Implementation: based on GRPO demo by will brown + language identification reward
  • Training data: German subset of openGPT-X/gsm8kx (machine translated from the English gsm8k)

License

Qwen research

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
eda29b8

0 моделей