rStar-Math (Qwen2.5-Math-7B base)
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Microsoft Research Asia,Peking University,Tsinghua University
- Organisatietype
- Industry,Academia,Academia
- Land
- China
- Gepubliceerd
- 1 August 2025
- Auteurs
- Xinyu Guan, Li Lyna Zhang, Yifei Liu, Ning Shang, Youran Sun, Yi Zhu, Fan Yang, Mao Yang
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Mathematical reasoning
- Basis model
- Qwen2.5-Math-7B-Base
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 7B
- Training gegevens
- tokens
- Epochs
- 2
- Batchgrootte
- 128
~1.35M trajectories with 4096 sequence length: 5530M
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Hoe het werd opgericht
- Operation counting
- Fijn-tuning compute
- 2.3 × 10²⁰ FLOP
5530000000 * 7000000000 * 6 = 2.323e20
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA H100 SXM5 80GB
- Gebruikte chips
- 80
- Stroomverbruik
- 109.5 kW
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Open source
MIT license https://github.com/microsoft/rStar
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
- Citaties
- 308
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- rStar-Math: Small LLMs Can Master Math Reasoning with Self-Evolved Deep Thinking
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Wat dit model is
rStar-Math (Qwen2.5-Math-7B base) werd gepubliceerd door Microsoft Research Asia,Peking University,Tsinghua University, in het land geregistreerd als China, tijdens August 2025. Het komt uit een organisatie gecategoriseerd als industry,Academia,Academia.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Mathematical reasoning.
In plaats van vanaf nul te worden getraind, is het afgeleid van Qwen2.5-Math-7B-Base. Dat is waarom het de algemene vorm en grootte van het basismodell deelt.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Antwoorden
rStar-Math (Qwen2.5-Math-7B base) — veelgestelde vragen
rStar-Math (Qwen2.5-Math-7B base)— wanneer is het uitgebracht?
Het werd gepubliceerd in August 2025.
rStar-Math (Qwen2.5-Math-7B base)— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Mathematical reasoning. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
rStar-Math (Qwen2.5-Math-7B base)— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
rStar-Math (Qwen2.5-Math-7B base)— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
rStar-Math (Qwen2.5-Math-7B base)— hoeveel parameters heeft het?
Het heeft een parameter telling van 7B. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
rStar-Math (Qwen2.5-Math-7B base)— wie heeft het gemaakt?
Het werd gepubliceerd door Microsoft Research Asia,Peking University,Tsinghua University, gebaseerd op China, een organisatie geclassificeerd als industry,Academia,Academia.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.