| --- |
| language: |
| - da |
| base_model: |
| - meta-llama/Llama-3.1-8B-Instruct |
| --- |
| |
| # o7 |
| o7 er den første reasoning model trænet udelukkende på Dansk. |
|
|
| Modellen er trænet med GRPO (en reinforcement learning metode skabt af DeepSeek) over 8 dage på et enkelt A100. |
|
|
| ## Instruktion, ingen chat |
| Modellen er ikke trænet til at svare på opfølgende spørgsmål, og fungerer derfor bedst ved et spørgsmål pr. "chat". |
|
|
| ## Licens |
| Følger MIT for privatpersoner og organisationer der vil bruge modellen til forskning. Ved kommercielt brug skal der betales 1 kr. for en livstidslicens. Læs LICENSE.txt for den fulde licens. |
|
|
