Математика и рассужденияКод

DeepScaleR, DeepCoder, DeepSWE

Небольшие модели, дообученные обучением с подкреплением: DeepScaleR на 1.5B решает олимпиадную математику, DeepCoder пишет код, DeepSWE работает агентом-разработчиком. Рецепты и данные открыты.

Разработчик: Agentica (Беркли, Sky Computing Lab) и Together AI, США
Первый выпуск: фев 2025
Последний выпуск: июл 2025
Размеры: 1.5B – 32B
Лицензия: Можно в коммерциюMIT
Русский язык: Нет
Готовые сборки: GGUF
Запуск: Есть в OllamaРаботает и без видеокарты
Сферы: Образование, Разработка ПО, Наука

Поставить на свой сервер Hugging Face GitHub

Какие задачи решает

Решение математических задач с пошаговым выводом
Генерация и проверка кода
Агент для исправления ошибок в репозитории

Где применяется

ОбразованиеРазработкаИсследования

Требования к железу

НоутбукНоутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии

подходит

1 видеокартаОдна видеокарта на 16–80 ГБ — средние версии

подходит

КластерСервер с несколькими видеокартами — флагманские версии

нет версий

Версии

июл 2025DeepSWE-Preview 32B
апр 2025DeepCoder-14B и 1.5B
фев 2025DeepScaleR-1.5B-Preview

Как запустить

Через Ollama — быстрее всегоПоставьте Ollama на компьютер или сервер и найдите модель в её библиотеке по названию. Годится, чтобы за вечер попробовать модель на своих задачах.Найти в библиотеке Ollama

На своём сервереВеса скачиваются с Hugging Face, запуск — через vLLM (нагрузка и API) или llama.cpp (скромное железо). Так модель работает в закрытом контуре, без оплаты за запросы.Hugging Face

Сколько нужно железаПосчитайте видеопамять под нужный размер модели, контекст и число одновременных запросов.Открыть калькулятор железа

Ставлю и настраиваю под ключ: подберу размер модели, разверну на вашем сервере, подключу к вашим системам. Квантование — сжатие модели: она занимает меньше видеопамяти и работает на более скромном железе. Отвечает при этом чуть иначе, поэтому качество проверяют на своих примерах.

Частые вопросы

Можно ли использовать DeepScaleR, DeepCoder, DeepSWE в коммерческом проекте?

Да. Лицензия: MIT. Это разрешает коммерческое использование, но перед запуском лицензию всё равно стоит показать юристу.

Какое железо нужно для DeepScaleR, DeepCoder, DeepSWE?

Минимум: Ноутбук или обычный ПК, до 8 ГБ видеопамяти — младшие версии. Есть версии, которые работают и без видеокарты, на обычном процессоре. Точный объём видеопамяти под ваш размер модели и контекст можно посчитать в калькуляторе железа.

Поддерживает ли DeepScaleR, DeepCoder, DeepSWE русский язык?

Нет. В документации разработчика языки перечислены, русского среди них нет. Для русских задач лучше взять модель из подборки «Открытые ИИ-модели с русским языком».

Где скачать DeepScaleR, DeepCoder, DeepSWE и сколько это стоит?

Веса DeepScaleR, DeepCoder, DeepSWE лежат в открытом доступе и скачиваются бесплатно. Платить нужно только за железо, на котором модель работает, и за настройку. Ссылки на первоисточник — в конце страницы.

Как внедряю у заказчика

ПодборВыбираю размер модели под задачу и ваше железо, проверяю на ваших примерах.
УстановкаРазворачиваю на вашем сервере или в закрытом контуре, отдаю API.
ДообучениеДообучаю на ваших данных (LoRA) или подключаю базу знаний — что дешевле для задачи.
ВстраиваниеПодключаю к CRM, 1С, боту, сайту или рабочему чату, настраиваю мониторинг.