🤗 Обнимающее лицо   |    📑 Бумага    |    📑 Блог    Мы выпускаем AM-Thinking‑v1, модель плотного языка с 32 битами, ориентированную на расширение возможностей рассуждения. AM-Thinking-v1, построенный на базе Qwen2.5‑32B‑Base, демонстрирует высокие результаты в тестах на рассуждение, сравнимые с гораздо более крупными моделями MoE, такими как DeepSeek‑R1, Qwen3‑235B‑A22B, Seed1.5-Thinking, а также более крупной моделью с плотной структурой, такой как Nemotron-Ultra-253B-v1. Крупные модели Mixture-of-Experts (MoE), такие как DeepSeek-R1 или Qwen3-235B-A22B, доминируют в таблицах лидеров, но им также требуются кластеры высокопроизводительных графических процессоров. Многим командам просто нужна лучшая плотная модель, которая умещается на одной карте. AM‑Thinking‑v1 заполняет этот пробел, оставаясь при этом полностью основанным на компонентах с открытым исходным кодом: превосходит DeepSeek‑R1 на AIME’24/’25 и LiveCodeBench и приближается к Qwen3‑235B‑A22B, несмотря на то, что у него 1/7 количества параметров. Построено на общедоступной базе Qwen2.5-32B-Base, а также на обучающих запросах RL. Показывает, что с помощью хорошо спроектированного конвейера постобучения (SFT + двухэтапный RL) вы можете выжать рассуждения флагманского уровня из плотной модели 32B. Развертывается на одном A100‑80 ГБ с детерминированной задержкой — без затрат на маршрутизацию MoE. AM-Thinking-v1 достигает сильных…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: a-m-team
Теги: qwen2, conversational, text-generation-inference, endpoints_compatible
Лайков: 203 | Загрузок: 110
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
