Hierarchical Reasoning Model (HPM)
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Sapient Intelligence
- Paese
- Singapore
- Pubblicato
- 4 August 2025
- Autori
- Guan Wang, Jin Li, Yuhao Sun, Xing Chen, Changling Liu, Yue Wu, Meng Lu, Sen Song, Yasin Abbasi Yadkori
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language, Vision, Multimodal
- Compito
- Visual puzzles
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 27M
- Dati di addestramento
- tokens
27M
1000 training samples
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open source
Apache 2.0 https://github.com/sapientinc/HRM
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
"With only about 1000 training examples, the HRM (~27M parameters) surpasses state-of-the-art CoT models on inductive benchmarks (ARC-AGI) and challenging symbolic tree-search puzzles (Sudoku-Extreme, Maze-Hard) where CoT models failed completely."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Hierarchical Reasoning Model
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Informazioni su questo modello
Hierarchical Reasoning Model (HPM) è stato pubblicato da Sapient Intelligence, nel paese registrato come Singapore, durante August 2025.
Funziona nel dominio di Language, Vision, Multimodal, ed è registrato come eseguire il compito di visual puzzles.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Come è stato addestrato
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
Hierarchical Reasoning Model (HPM) — domande comuni
Hierarchical Reasoning Model (HPM)— quando è stato rilasciato?
È stato pubblicato in August 2025.
Hierarchical Reasoning Model (HPM)— A cosa serve?
Funziona nel dominio di Language, Vision, Multimodal, e viene registrato come gestire il compito di visual puzzles. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
Hierarchical Reasoning Model (HPM)— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
Hierarchical Reasoning Model (HPM)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Hierarchical Reasoning Model (HPM)— quanti parametri ha?
Ha un numero di parametri di 27M. 27M. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
Hierarchical Reasoning Model (HPM)— chi l'ha creato?
È stato pubblicato da Sapient Intelligence, basato su Singapore.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.