/ Модель

Характеристики

Контекст
262 144 токена
Параметры
6,4 млрд
Размер весов
15,2 ГБ
Лицензия
Своя лицензия
Архитектура
falcon_h1 · dense
Базовая модель
Falcon-H1-7B-Base
Библиотека
transformers
Опубликована
29 окт 2025

Falcon-H1R-7B

Генерация текстаТекст → текст15 профессий

Falcon-H1R-7B — дообученная гибридная языковая модель для многошаговых рассуждений, математики, программирования и диалоговой генерации текста.

1 478скачиваний за 30 дней222лайкавеса обновлены21 янв 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 оценки1

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

  • Idavidrein/gpqa

    score

    Результат

    61,3

    Hugging Face Eval Results

    Отчёт автораревизия не подтверждена

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Falcon-H1R-7B — языковая модель Technology Innovation Institute, предназначенная для рассуждений и генерации ответов. Она построена на Falcon-H1-7B-Base и дообучена методом supervised fine-tuning на длинных цепочках рассуждений, а затем усилена обучением с подкреплением GRPO.

Модель имеет причинную декодерную архитектуру, сочетающую Transformer и Mamba2, и содержит 6,4 млрд параметров. Она принимает текст и поддерживает контекст до 262 144 токенов. В README заявлена специализация на математике, программировании, следовании инструкциям и общей логике; модель также поддерживает диалоговый режим. Основной язык — английский, при этом заявлена многоязычная поддержка.

Для использования указаны Transformers, vLLM и SGLang. Модель может выводить ход рассуждений перед итоговым ответом; для уменьшения повторов README рекомендует настраивать параметры повторения и присутствия. Лицензия — Falcon-LLM License.

Сценарии применения

  • решение математических задач с пошаговыми рассуждениями
  • генерация и анализ программного кода
  • ответы на сложные вопросы с длинным контекстом
  • следование инструкциям в диалоге
  • решение задач на логику

Ограничения

Модель может повторяться; README рекомендует настраивать параметры генерации для снижения повторов. Для запуска требуются совместимые версии Transformers, vLLM или SGLang и поддержка компонентов Mamba2.

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

Falcon-H1R-7B

This repository presents Falcon-H1R-7B, a reasoning-specialized model introduced in the paper Falcon-H1R: Pushing the Reasoning Frontiers with a Hybrid Model for Efficient Test-Time Scaling.

Built on top of Falcon-H1-7B-Base, it was trained via cold-start supervised fine-tuning with long reasoning traces and further enhanced by scaling RL with GRPO. The model demonstrates outstanding performance across various benchmark evaluations, including mathematics, programming, instruction following, and general logic.

Model Description

Training details

For more details about the training protocol of this model, please refer to the Falcon-H1R technical blogpost and Technical Report.

Usage

Currently to use this model, you can either rely on Hugging Face transformers, vLLM or SGLang library.

Inference

Make sure to install the latest version of transformers or vLLM or SGLang.

pip install transformers
pip install mamba-ssm[causal-conv1d]

For vLLM, make sure to install vllm=0.11.0:

pip install "vllm>=0.11.0"

Sampling Parameters

We recommend using a temperature of 0.6 and top-p as 0.95 with max new tokens up to 65536. For supported frameworks, you can adjust the repetition_penalty and presence_penalty parameters to reduce endless repetitions. For reasoning tasks with continuous batching and requiring higher max new tokens, we recommend to use TP=2.

🤗 Transformers

Refer to the snippet below to run H1R models using 🤗 transformers. Model will generate think content wrapped in a <think>...</think> block, followed by the final response.

from transformers import AutoTokenizer, AutoModelForCausalLM
model_id = "tiiuae/Falcon-H1R-7B"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", dtype="auto")

messages = [
    {"role": "user", "content": "What is the derivative of x^2?"},
]
inputs = tokenizer.apply_chat_template(messages, tokenize=True, add_generation_prompt=True, return_tensors="pt")

outputs = model.generate(
    inputs.to(model.device),
    max_new_tokens=65536,
    temperature=0.6,
    top_p=0.95,
    do_sample=True,
)
print(tokenizer.decode(outputs[0]))

vLLM

For vLLM, simply start a server by executing the command below:

vllm serve tiiuae/Falcon-H1R-7B \
  --tensor-parallel-size 1 \
  --data-parallel-size 1 \
  --reasoning-parser deepseek_r1
  • You can reduce --max-model-len to preserve memory. Default value is 262144 which is quite large but not necessary for most scenarios.
  • For function calling, append --enable-auto-tool-choice and --tool-call-parser hermes to the vllm serve command.

vLLM client execution code:

from openai import OpenAI
import json

client = OpenAI(
    base_url="http://localhost:8000/v1",
    api_key="EMPTY",
)

completion = client.chat.completions.create(
    model="tiiuae/Falcon-H1R-7B",
    messages=[
        {"role": "user", "content": "If the product of two numbers is 360 and their GCD is 6, what is their LCM?"},
    ],
    temperature=0.6,
    top_p=0.95,
    max_tokens=65536
)

msg = completion.choices[0].message

print(json.dumps({
    "reasoning": msg.reasoning_content,
    "answer": msg.content
}, indent=2))

SGLang

For SGLang, simply start a server by executing the command below:

python -m sglang.launch_server \
  --model tiiuae/Falcon-H1R-7B \
  --tensor-parallel-size 1 \
  --reasoning-parser deepseek-r1

SGLang client execution code:

from openai import OpenAI
import json

client = OpenAI(
    base_url="http://localhost:30000/v1",
    api_key="EMPTY",
)

completion = client.chat.completions.create(
    model="tiiuae/Falcon-H1R-7B",
    messages=[
        {"role": "user", "content": "How many solutions in integers satisfy ∣x∣+∣y∣=20?"},
    ],
    max_tokens=65536,
    temperature=0.6,
    top_p=0.95,
)

msg = completion.choices[0].message

print(json.dumps({
    "reasoning": msg.reasoning_content,
    "answer": msg.content
}, indent=2))

Evaluation

Falcon-H1R achieves state of art results in reasoning benchmarks.

TTS represents test time scaling results on few of the benchmarks that we evaluated via DeepConf. Note that AMO-Bench* is limited to the parser-verifiable subset which comprises 39 problems.

Useful links

Citation

If the Falcon-H1R family of reasoning models is helpful to your work, feel free to give us a cite.

@misc{falcon-h1r,
      title={Falcon-H1R: Pushing the Reasoning Frontiers with a Hybrid Model for Efficient Test-Time Scaling}, 
      author={Falcon LLM Team and Iheb Chaabane and Puneesh Khanna and Suhail Mohmad and Slim Frikha and Shi Hu and Abdalgader Abubaker and Reda Alami and Mikhail Lubinets and Mohamed El Amine Seddik and Hakim Hacid},
      year={2026},
      eprint={2601.02346},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2601.02346}, 
}

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
FalconH1ForCausalLM
Ревизия весов
a6f74bf

0 моделей