OpenReasoning-Nemotron-1.5B

מה זה

מדובר בהתאמה ייעודית של Qwen2.5-1.5B למשימות של מתמטיקה, תכנות ומדע. אנבידיה אימנה אותו באמצעות כוונון מונחה על גבי חמישה מיליון תשובות שנוצרו על ידי DeepSeek R1, כך שהוא מדגים שלבי מחשבה מפורטים לפני הפלט הסופי ויכול לפלוט עד 64 אלף טוקנים של פתרון.

במתמטיקה תחרותית המודל מפתיע ביחס לממדיו, עם ציון של 55.5 במבחן AIME24 בהרצה בודדת וזינוק ל־76.7 בשיטת GenSelect. עם זאת, התוצאה שלו ב־LiveCodeBench עומדת על 28.6 בלבד, מה שממחיש את הפער בין פתרון תרגילים מוגדרים לבין כתיבת קוד גמיש בעולם האמיתי.

מתאים ל

• פתרון בעיות מתמטיקה

  הוא מציג ביצועים טובים באלגוריתמיקה ותחרויות מתמטיות, ביחס למשקל של פחות משלושה גיגה.

• הסבר תהליכי חשיבה

  האימון על פלטי R1 מאפשר לו לפרק שלבי עבודה בהדרגה במקום לזרוק תשובה סופית בלבד.

• מחקר והערכת מודלים קטנים

  מצוין לבדיקת שיטות דגימה כמו GenSelect ואימות יכולות הסקה על חומרה מקומית צנועה.

איפה זה נופל

במדעי הנתונים וכתיבת קוד מדעי המודל כושל כמעט לחלוטין, עם ציון של 1.0 בלבד ב־SciCode. גם במבחן HLE הוא משיג 5.5, מה שמראה שאין לו יכולת אחיזה בשאלות מומחה רחבות.

הוא אומן באנגלית בלבד וללא התאמות לעברית. בנוסף, חלון יציאה של עד 64 אלף טוקנים עלול לגרור זמני תגובה איטיים במיוחד וזלילת משאבים אם לא מגבילים את הפלט בהגדרות ההרצה.

אותה משפחה

OpenReasoning-Nemotron יצא ב־4 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

איך מריצים

המשקל הכולל של הקבצים עומד על 2.9 גיגה־בייט בדיוק bfloat16, כך שכרטיס מסך בסיסי או מחשב פיתוח עם 6 עד 8 גיגה זיכרון יריצו אותו בלי מאמץ דרך ספריית transformers או מנועים כמו vLLM ו־TensorRT-LLM. אנבידיה מציינת תאימות מומלצת לארכיטקטורות Ampere ו־Hopper על מערכות לינוקס.

אם אתם זקוקים להרצה אחת מהירה, המשקל הקטן הופך אותו לנגיש ישירות על הברזל. מנגד, אם בכוונתכם ליישם את שיטת GenSelect, שדורשת להריץ עשרות דגימות במקביל ולבחור את הטובה ביניהן, מורכבות התשתית מזנקת ואז שווה לשקול מודל גדול יותר בקריאת API ישירה.

from transformers import pipeline

pipe = pipeline("text-generation", model="nvidia/OpenReasoning-Nemotron-1.5B")
print(pipe("שלום"))

הקבצים

16 קבצים במאגר, 2.9 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

• model.safetensors3.1 GB
• tokenizer.json11.4 MB
• vocab.json2.8 MB
• merges.txt1.7 MB
• README.md13.6 KB
• genselect_hf.py12.2 KB
• tokenizer_config.json5.3 KB
• EXPLAINABILITY.md2.2 KB
• .gitattributes1.6 KB
• PRIVACY.md1.3 KB
• config.json763 B
• SAFETY.md658 B
• special_tokens_map.json616 B
• added_tokens.json605 B
• BIAS.md509 B
• generation_config.json121 B

הרישיון

הרישיון המוגדר הוא CC-BY-4.0, המאפשר שימוש מסחרי ומחקרי חופשי, כולל שינוי והפצה, תחת מתן קרדיט בלבד. בדף המודל מצוין גם קישור לתנאי Apache 2.0 של מודל הבסיס, ולכן מי שמשלב אותו במוצר נדרש לוודא עמידה בחובת הייחוס לשני המקורות.

• שימוש מסחרי
• שינוי הקוד
• חובת ייחוס

הרישיון המלא בעמוד המודל ↗