rStar-Math (Qwen2.5-Math-7B base)
Sin estimación
Sin requisitos de hardware para este modelo
Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..
En registro
especificación completa
Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
Quién construyó este modelo, dónde, y cuándo fue publicado.
- Organización
- Microsoft Research Asia,Peking University,Tsinghua University
- Tipo de Organización
- Industry,Academia,Academia
- País
- China
- Publicado
- 1 August 2025
- Autores
- Xinyu Guan, Li Lyna Zhang, Yifei Liu, Ning Shang, Youran Sun, Yi Zhu, Fan Yang, Mao Yang
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling/generation, Mathematical reasoning
- Modelo base
- Qwen2.5-Math-7B-Base
Tamaño
Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- parámetros
- 7B
- Datos de entrenamiento
- tokens
- Épocas
- 2
- Tamaño de lote
- 128
~1.35M trajectories with 4096 sequence length: 5530M
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómo se estableció
- Operation counting
- Computación de ajuste fino
- 2.3 × 10²⁰ FLOP
5530000000 * 7000000000 * 6 = 2.323e20
La ejecución de entrenamiento
Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.
- Hardware de entrenamiento
- NVIDIA H100 SXM5 80GB
- Chips utilizados
- 80
- Consumo de energía
- 109.5 kW
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Open source
MIT license https://github.com/microsoft/rStar
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Confianza de registro
- Confident
- Citas
- 308
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- rStar-Math: Small LLMs Can Master Math Reasoning with Self-Evolved Deep Thinking
- Última actualización
- 25 May 2026
Qué significan los números
Qué es este modelo
rStar-Math (Qwen2.5-Math-7B base) fue publicado por Microsoft Research Asia,Peking University,Tsinghua University, en el país registrado como China, durante August 2025. Sale de una organización categorizada como industry,Academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation, Mathematical reasoning.
En lugar de ser entrenado desde cero, se deriva de Qwen2.5-Math-7B-Base. Por eso comparte la forma y el tamaño general del modelo base.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Respuestas
rStar-Math (Qwen2.5-Math-7B base) — preguntas comunes
rStar-Math (Qwen2.5-Math-7B base)— ¿cuándo fue lanzado?
Se publicó en August 2025.
rStar-Math (Qwen2.5-Math-7B base)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation, Mathematical reasoning. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
rStar-Math (Qwen2.5-Math-7B base)— ¿Qué GPU necesito para ejecutarlo?
Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.
rStar-Math (Qwen2.5-Math-7B base)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
rStar-Math (Qwen2.5-Math-7B base)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 7B. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.
rStar-Math (Qwen2.5-Math-7B base)— ¿Quién lo creó?
Fue publicado por Microsoft Research Asia,Peking University,Tsinghua University, basado en China, una organización categorizada como industry,Academia,Academia.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.