К содержимому
Языковые модели

NanoReason-7B-SFT

чекпоинт для рассуждений на базе OLMo 3 7B

2 мин чтения

NanoReason-7B-SFT — исследовательская языковая модель размером 7.3B параметров, обученная решать сложные логические и математические задачи с пошаговыми рассуждениями (reasoning traces). Она построена методом SFT (дообучение с учителем на готовых примерах рассуждений) поверх открытой модели OLMo 3 7B от Ai2 на датасете Dolci-Think-SFT-7B. По сравнению с исходной базой модель заметно прибавляет в математике и следовании инструкциям, выступая первой ступенью в линейке NanoReason. Чекпоинт пригодится исследователям и разработчикам, которые изучают этапы дообучения reasoning-моделей или ищут открытую базу под лицензией Apache 2.0 для дальнейшего RL-тюнинга.

Ключевые особенности

  • Специализация на рассуждениях: обучена на пуле из 100 000 примеров Dolci-Think-SFT-7B с длиной контекста 16 384 токена при тренировке и оценкой на 32 768 токенах.
  • Заметный рост метрик над базой: по сравнению с OLMo 3 7B результат в MATH-500 вырос с 63.00% до 88.40%, а в IFEval — с 34.57% до 63.77%.
  • Чистота данных: автор провёл аудит обучающего пула и подтвердил отсутствие точных совпадений с промптами из оценочных бенчмарков.
  • Открытость и воспроизводимость: модель распространяется под лицензией Apache 2.0 вместе с конфигами обучения и кодом в репозитории проекта.

Что можно сделать

  • Использовать как базу для дообучения: взять чекпоинт за отправную точку для экспериментов с последующими этапами выравнивания и RLVR (обучение с подкреплением на проверяемых наградах).
  • Решать математические и логические задачи: запускать локально через transformers для генерации пошаговых выкладок на английском языке.
  • Сравнивать этапы пост-тренинга: сопоставлять поведение модели с базовой OLMo 3 7B и следующими версиями линейки (SFT-Refined и Think).

Пример

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "kowanietz/NanoReason-7B-SFT"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id, device_map="auto", dtype="auto")

messages = [{"role": "user", "content": "How many hamsters would it take to power an A100?"}]
inputs = tokenizer.apply_chat_template(messages, add_generation_prompt=True, return_dict=True, return_tensors="pt").to(model.device)
outputs = model.generate(**inputs, max_new_tokens=4096, use_cache=True)
ПодробнееБенчмарки (BF16, контекст 32k): MATH-500 — 88.40%, IFEval — 63.77%, BBH — 60.34%, GPQA Main — 32.37%, AIME 2024 — 30.21%, AIME 2025 — 26.35%.
Обучение: 6 000 шагов (lr 1.5e-5) на 4× NVIDIA A100 40 GB (~92 GPU-часа).
Требования для запуска: transformers>=5.19.0, torch, accelerate.
Ограничения: при длинной генерации модель нередко исчерпывает лимит токенов до выдачи финального ответа (исправлено в следующих версиях линейки).
Обсудить Telegram 0 2

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 14 GB · готовые файлы18 GB
  • FP8 / INT8рекомендуемвеса 6.8 GB11 GB
  • 4-bitвеса 3.8 GB8.4 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 5070 · BF16 — от RTX 4090

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Для текстовых моделей — с контекстом 8192 токенов.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Готовый скрипт под машину, которую мы советуем выше: вставили — модель скачалась и запустилась.

  1. 1. Арендуйте A30

    $0.26 в час с купоном. При создании машины выберите образ Ubuntu.

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # kowanietz/NanoReason-7B-SFT — A30, FP8 / INT8
    # Драйвер NVIDIA: для CUDA 13 нужен 580+. Если старее или нет — ставится свежий nvidia-open (оставить свой: KEEP_DRIVER=1)
    DRV=$(nvidia-smi --query-gpu=driver_version --format=csv,noheader 2>/dev/null | head -1 | cut -d. -f1)
    case "$DRV" in ""|*[!0-9]*) DRV=0 ;; esac
    if [ "$DRV" -lt 580 ] && [ -z "${KEEP_DRIVER:-}" ]; then
      . /etc/os-release && \
      curl -fsSLO "https://developer.download.nvidia.com/compute/cuda/repos/ubuntu${VERSION_ID//./}/x86_64/cuda-keyring_1.1-1_all.deb" && \
      sudo dpkg -i cuda-keyring_1.1-1_all.deb && rm -f cuda-keyring_1.1-1_all.deb && \
      sudo apt-get update && \
      sudo DEBIAN_FRONTEND=noninteractive apt-get install -y nvidia-open || \
      { echo "Драйвер NVIDIA поставить не удалось: смотрите ошибку выше. Чтобы оставить текущий, запустите с KEEP_DRIVER=1."; exit 1; }
      echo "Драйвер NVIDIA обновлён. Перезагрузите машину (sudo reboot) и запустите этот же скрипт ещё раз."
      exit 0
    fi
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv venv ~/vllm --python 3.12 && source ~/vllm/bin/activate
    uv pip install vllm
    vllm serve kowanietz/NanoReason-7B-SFT --max-model-len 8192 --quantization fp8
    Добавить ещё LoRA к NanoReason-7B-SFT
  3. 3. Пользуйтесь

    Сервер слушает порт 8000 и понимает запросы в формате OpenAI: адрес http://localhost:8000/v1 на машине. Со своего компьютера: ssh -L 8000:localhost:8000 пользователь@IP-машины.

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (2)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

  • MTP (multi-token prediction)0.34.0от 16 ноября 2026новая версия

    1.5–2× скорость генерации

    Если в модели есть MTP-слои (DeepSeek-V3/R1, Qwen3-Next, GLM, MiMo и др.), она сама предсказывает несколько токенов за шаг.

    Как включить: vLLM / SGLang: --speculative-config '{"method": "mtp", "num_speculative_tokens": 1}'. Смотрите карточку модели.

    Предыдущие поколения (2)
    • EAGLE-3 — Спекулятивное декодирование с маленькой «черновой» головой. Для моделей без своих MTP-слоёв.
    • EAGLE-2 / Medusa — Предыдущие поколения драфт-голов. Если нашли только их — тоже работают.
  • FP8 KV cache0.34.0от 16 ноября 2026новая версия

    в 2× больше контекста в той же памяти

    Хранит кэш внимания в 8 битах — длинный контекст влезает туда, где раньше не помещался.

    Как включить: vLLM: --kv-cache-dtype fp8; llama.cpp: -ctk q8_0 -ctv q8_0.

  • vLLM / SGLang0.34.0от 16 ноября 2026новая версия

    в разы больше токенов/с на сервере

    Серверные движки: пакетная обработка, FlashAttention, FP8, спекулятивное декодирование из коробки.

    Как включить: vllm serve <модель> — OpenAI-совместимый API.

    Предыдущие поколения (1)
    • llama.cpp — GGUF-модели на любой видеокарте, Mac и даже CPU; часть слоёв можно держать в ОЗУ.

Семья модели

Дообучение модели

allenai/Olmo-3-1025-7B

Новые посты про версии Olmo-3-1025-7B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 1Все на Hugging Face

О модели

kowanietz/NanoReason-7B-SFT
Автор
kowanietz
Категория
Языковые модели
Дата выхода
На сайте

На сайте

Hugging Face

20

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Языковые модели

tinynext

tinynext