/ Модель

Характеристики

Контекст
32 768 токенов
Параметры
32 млрд
Размер весов
131 ГБ
Лицензия
Apache 2.0
Архитектура
qwen2 · dense
Опубликована
14 янв 2025

s1-32B

Генерация текстаТекст → текст3 профессии

Дообученная на 1 000 примерах модель Qwen2.5-32B-Instruct для диалогов и пошагового решения задач с контекстом до 32 768 токенов.

327скачиваний за 30 дней293лайкавеса обновлены26 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

s1-32B — модель для генерации текста с упором на пошаговые рассуждения, разработанная SimpleScaling. Это дообученная версия Qwen2.5-32B-Instruct на наборе из 1 000 примеров s1K. Модель построена на плотной архитектуре Qwen2 и содержит 32 млрд параметров; максимальная длина контекста — 32 768 токенов.

Модель предназначена для диалогов и задач, где полезны развёрнутые рассуждения, включая решение математических задач. В README приводятся результаты на AIME 2024 и AIME 2025; часть оценок получена с помощью budget forcing — многократного продолжения рассуждения после маркера его завершения. Карточка рекомендует более производительную преемницу s1.1.

Модель принимает и выдаёт текст. README не сообщает поддерживаемые естественные языки. Файлы опубликованы в формате safetensors. Лицензия — Apache-2.0.

Сценарии применения

  • пошаговое решение математических задач
  • решение задач формата AIME
  • получение развёрнутых объяснений к ответам
  • диалог с моделью, ориентированной на рассуждения

Ограничения

README рекомендует использовать преемницу s1.1 с более высокими результатами. Приведённые оценки на бенчмарках используют budget forcing и могут не отражать результаты при обычной генерации.

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

We recommend using our successor s1.1 with better performance

Model Summary

s1 is a reasoning model finetuned from Qwen2.5-32B-Instruct on just 1,000 examples. It matches o1-preview & exhibits test-time scaling via budget forcing.

Use

The model usage is documented here.

Evaluation

Metrics1-32Bs1.1-32Bo1-previewo1DeepSeek-R1DeepSeek-R1-Distill-Qwen-32B
# examples1K1K??>800K800K
AIME202456.756.740.074.479.872.6
AIME2025 I26.760.037.5?65.046.1
MATH50093.095.481.494.897.394.3
GPQA-Diamond59.663.675.277.371.562.1

Note that s1-32B and s1.1-32B use budget forcing in this table; specifically ignoring end-of-thinking and appending "Wait" up to four times.

Citation

@misc{muennighoff2025s1simpletesttimescaling,
      title={s1: Simple test-time scaling}, 
      author={Niklas Muennighoff and Zitong Yang and Weijia Shi and Xiang Lisa Li and Li Fei-Fei and Hannaneh Hajishirzi and Luke Zettlemoyer and Percy Liang and Emmanuel Candès and Tatsunori Hashimoto},
      year={2025},
      eprint={2501.19393},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2501.19393}, 
}

Как запустить

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

GPU в ailist

vLLM

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen2ForCausalLM
Ревизия весов
569f1b8

0 моделей