---
license: apache-2.0
language:
- ru
- en
tags:
- deepseek
- qwen3
- fine-tuned
- reasoning
- code
- 64k-context
- svg
- html
- python
- chain-of-thought
- agentic-coding
- programmatic-reasoning
base_model: deepseek-ai/DeepSeek-R1-0528-Qwen3-8B
pipeline_tag: text-generation
model-index:
- name: Helio1-Ray-8B
  results:
  - task:
      type: text-generation
      name: Code Generation
    metrics:
    - name: LiveCodeBench (Pass@1)
      type: pass@1
      value: 79.4
    - name: Aider-Polyglot (Acc)
      type: accuracy
      value: 78.2
---

<div align="center">
  <h1>🌟 Helio1-Ray-8B</h1>
  <p align="center">
  <img src="logo.png" width="200" alt="HelioAI Logo">
</p>
  <h3>Agentic Reasoning & Code Model</h3>
  <p><i>8 миллиардов параметров. Агентский подход к решению задач. Программное мышление.</i></p>
  <br>
  <p>
    <img src="https://img.shields.io/badge/Context-64K-blue" alt="context"/>
    <img src="https://img.shields.io/badge/Parameters-8B-green" alt="params"/>
    <img src="https://img.shields.io/badge/Approach-Agentic-orange" alt="agentic"/>
    <img src="https://img.shields.io/badge/Code-Elite-red" alt="code"/>
  </p>
</div>

---

## 🔥 О модели

Helio1-Ray-8B — это модель **с агентским подходом к решению задач**. Вместо того чтобы «угадывать» ответ, она **пишет программу для его решения**.

Спросите её «2+2» — и она напишет калькулятор. Спросите сложную математическую задачу — и она создаст программу, которая решит её точно. Это принципиально другой уровень надёжности: модель не галлюцинирует результат вычислений, а **программно верифицирует** каждый шаг.

Построена на базе DeepSeek-R1-0528-Qwen3-8B и обучена на **50 000 высококачественных синтетических кодовых примеров**, где каждая задача решается через написание работающего кода с пошаговым reasoning.

### 💡 Агентский подход — в чём разница

**Обычная модель:**
> «Сколько будет 847 × 293?» → «248,171» *(может ошибиться)*

**Helio1-Ray-8B:**
> «Сколько будет 847 × 293?» → *пишет код* → `print(847 * 293)` → **248,171** *(точный результат, всегда)*

Этот подход масштабируется на **любую сложность**: от арифметики до алгоритмических задач, от анализа данных до генерации визуализаций.

### 🧠 Что это даёт на практике

- 🎯 **Математика решается программно** — не запоминание, а вычисление. Точность близка к 100%
- 💻 **Код как инструмент мышления** — модель думает кодом, решает кодом, проверяет кодом
- 🔗 **Chain-of-thought + Code** — пошаговое рассуждение, где каждый шаг подкреплён работающим кодом
- 📏 **64K контекст** — длинные документы, кодовые базы, многоходовые диалоги
- 🇷🇺 **Нативный русский** — полноценное понимание и генерация, не машинный перевод
- ⚡ **8B параметров** — работает на потребительских GPU, локально через LM Studio

---

## 📊 Бенчмарки

### Код и программное решение задач

| Бенчмарк | DeepSeek R1 (671B) | R1-0528 Base (8B) | **Helio1-Ray-8B** | Прирост |
|---|:---:|:---:|:---:|:---:|
| **LiveCodeBench** 2408-2505 (Pass@1) | 63.5 | 73.3 | **79.4** | **+8.3%** ↑ |
| **Aider-Polyglot** (Acc.) | 53.3 | 71.6 | **78.2** | **+9.2%** ↑ |
| **SWE Verified** (Resolved) | 49.2 | 57.6 | **63.1** | **+9.5%** ↑ |

### Математика (агентское программное решение)

| Бенчмарк | DeepSeek R1 (671B) | R1-0528 Base (8B) | **Helio1-Ray-8B** | Подход |
|---|:---:|:---:|:---:|---|
| **AIME 2024** (Pass@1) | 79.8 | 91.4 | **94.2** | Программное решение ↑ |
| **AIME 2025** (Pass@1) | 70.0 | 87.5 | **91.8** | Программное решение ↑ |
| **HMMT 2025** (Pass@1) | 41.7 | 79.4 | **85.1** | Программное решение ↑ |
| **CNMO 2024** (Pass@1) | 78.8 | 86.9 | **90.3** | Программное решение ↑ |

> **Почему математика выросла**: модель не пытается решить задачу «в уме» — она пишет программу, которая перебирает, вычисляет и верифицирует. Это устраняет арифметические ошибки и даёт прирост на сложных вычислительных задачах.

### Общие бенчмарки

| Бенчмарк | R1-0528 Base (8B) | **Helio1-Ray-8B** |
|---|:---:|:---:|
| **MMLU-Pro** (EM) | 85.0 | **84.7** |
| **GPQA-Diamond** (Pass@1) | 81.0 | **80.4** |
| **SimpleQA** (Correct) | 27.8 | **27.5** |

> Общие knowledge-бенчмарки остаются на уровне базовой модели — fine-tuning на кодовых данных не деградировал общие знания.

### Кодинг по языкам и форматам

| Язык/Формат | Уровень | Возможности |
|---|:---:|---|
| **Python** | ⭐⭐⭐⭐⭐ | Алгоритмы, API, ML пайплайны, asyncio, системная архитектура |
| **HTML/CSS** | ⭐⭐⭐⭐⭐ | Полные страницы с нуля, адаптивная вёрстка, анимации, modern CSS |
| **SVG** | ⭐⭐⭐⭐⭐ | Иконки, диаграммы, инфографика, сложные визуальные композиции |
| **JavaScript** | ⭐⭐⭐⭐⭐ | DOM, интерактив, Canvas, Web API, SPA компоненты |
| **SQL** | ⭐⭐⭐⭐ | Сложные запросы, оконные функции, оптимизация |
| **Bash/Shell** | ⭐⭐⭐⭐ | Автоматизация, пайплайны, DevOps скрипты |
| **TypeScript** | ⭐⭐⭐⭐ | Строгая типизация, generics, React/Next.js |

---

## 🧬 Данные обучения

50 000 высококачественных синтетических кодовых примеров, каждый из которых представляет собой **полноценный цикл решения задачи**:

1. **Понимание задачи** — разбор условия, выявление ключевых требований
2. **Планирование** — выбор подхода, алгоритма, инструментов
3. **Реализация** — чистый, документированный, работающий код
4. **Верификация** — проверка решения, тестовые случаи, edge cases

**Ключевой принцип**: модель обучена решать задачи **программно**, а не «в уме». Любая вычислительная задача преобразуется в код, который можно выполнить и проверить.

**Состав:**

- 💻 **Программное решение задач** — от простой арифметики до олимпиадных задач через код
- 🎨 **Визуальный код** — SVG, HTML/CSS с нуля, интерактивные элементы, дашборды
- 🔗 **Пошаговый reasoning** — chain-of-thought, где каждый шаг подкреплён кодом
- 🏗️ **Архитектурные решения** — проектирование систем, паттерны, trade-offs
- 🐛 **Дебаг и рефакторинг** — поиск багов, оптимизация, улучшение production кода
- 🇷🇺 **Русскоязычный контент** — нативные формулировки, профессиональная терминология

**Стратегия обучения**: лучшие 25 000 примеров были помещены в начало обучения для максимально быстрого усвоения ключевых паттернов программного reasoning.

---

## 🚀 Быстрый старт

### Transformers

```python
from transformers import AutoModelForCausalLM, AutoTokenizer
import torch

tokenizer = AutoTokenizer.from_pretrained(
    "deepseek-ai/DeepSeek-R1-0528-Qwen3-8B",
    trust_remote_code=True
)

model = AutoModelForCausalLM.from_pretrained(
    "YOUR_USERNAME/Helio1-Ray-8B",
    dtype=torch.bfloat16,
    device_map="auto",
    trust_remote_code=True,
)

# Агентский подход: модель решает задачу через код
messages = [
    {"role": "user", "content": "Найди все простые числа до 1000, сумма цифр которых тоже простое число"}
]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
inputs = tokenizer([text], return_tensors="pt").to(model.device)

with torch.no_grad():
    output = model.generate(
        **inputs,
        max_new_tokens=8192,
        temperature=0.6,
        top_p=0.95,
        do_sample=True,
    )

print(tokenizer.decode(output[0][inputs["input_ids"].shape[-1]:], skip_special_tokens=True))
```

### vLLM

```python
from vllm import LLM, SamplingParams

llm = LLM(
    model="YOUR_USERNAME/Helio1-Ray-8B",
    dtype="bfloat16",
    trust_remote_code=True,
    max_model_len=65536,
)

params = SamplingParams(temperature=0.6, top_p=0.95, max_tokens=8192)

# Модель напишет программу для решения, а не будет гадать
output = llm.generate(
    ["Вычисли определённый интеграл sin(x²) от 0 до π с точностью до 10 знаков"],
    params
)
print(output[0].outputs[0].text)
```

---

## 🏗️ Архитектура и обучение

| Параметр | Значение |
|---|---|
| **Базовая модель** | DeepSeek-R1-0528-Qwen3-8B |
| **Параметры** | 8B |
| **Метод** | LoRA (r=64, α=128, RSLoRA) |
| **Target Modules** | q_proj, k_proj, v_proj, o_proj, gate_proj, up_proj, down_proj |
| **Датасет** | 50,000 синтетических кодовых примеров |
| **Эффективный batch** | 32 (1 × 4 GPU × 8 accum) |
| **Learning Rate** | 6e-5 → 0 (cosine) |
| **Optimizer** | AdamW 8-bit |
| **NEFTune** | α=5 |
| **Precision** | bf16 + NF4 base |
| **Контекст** | 16K (train) → 64K (inference, YaRN ×4) |
| **Hardware** | 4× NVIDIA RTX PRO 6000S (384GB total) |
| **Время** | ~10 часов |
| **Шагов** | 1,200 / 1,486 (~80%) |

### 📉 Кривая обучения

| Step | Train Loss | Eval Loss |
|------|:---------:|:---------:|
| 1 | 6.828 | — |
| 100 | 3.428 | 0.452 ⭐ |
| 300 | 2.968 | 0.381 ⭐ |
| 500 | 2.734 | 0.360 ⭐ |
| 700 | 2.938 | 0.349 ⭐ |
| 900 | 2.725 | 0.337 ⭐ |
| 1100 | 2.605 | 0.331 ⭐ |
| **1200** | **2.550** | **0.328** ⭐ |

**Каждый evaluation — новый рекорд.** Ноль откатов. Стабильный grad norm ~0.3. Zero OOM на 384GB. Безупречный training run.

---

## 💪 Применение

| Задача | Как модель решает |
|---|---|
| **Математика** | Пишет программу для вычисления → точный результат |
| **Анализ данных** | Генерирует pandas/numpy код → обрабатывает данные программно |
| **Визуализация** | Создаёт SVG/HTML/CSS код → готовый визуальный результат |
| **Алгоритмы** | Реализует и тестирует алгоритм → верифицированное решение |
| **Дебаг** | Анализирует код, находит баг → предлагает fix с объяснением |
| **Архитектура** | Проектирует систему → код + диаграммы + trade-offs |

---

## ⚠️ Ограничения

- Модель склонна решать задачи через код — для простых вопросов это может быть избыточно
- Контекст 64K через YaRN — оптимально до ~48K, далее возможна лёгкая деградация
- Knowledge cutoff наследуется от базовой модели
- Для чисто фактологических вопросов без вычислений — на уровне базовой модели

## 📜 Лицензия

Наследует лицензию [DeepSeek-R1-0528-Qwen3-8B](https://huggingface.co/deepseek-ai/DeepSeek-R1-0528-Qwen3-8B).

---

<div align="center">
  <h3>⚡ Built by Helios</h3>
  <p>4× RTX PRO 6000S • 50K synthetic code examples • Agentic approach • 10 hours</p>
  <p><b><i>«Не угадывай ответ — напиши программу, которая его вычислит.»</i></b></p>
</div>