Instructions to use NotEvilAI/gpt-oss-20b-ru-reasoner with libraries, inference providers, notebooks, and local apps. Follow these links to get started.

Libraries

How to use NotEvilAI/gpt-oss-20b-ru-reasoner with Transformers:

# Use a pipeline as a high-level helper
from transformers import pipeline

pipe = pipeline("text-generation", model="NotEvilAI/gpt-oss-20b-ru-reasoner")
messages = [
    {"role": "user", "content": "Who are you?"},
]
pipe(messages)

# Load model directly
from transformers import AutoTokenizer, AutoModelForCausalLM

tokenizer = AutoTokenizer.from_pretrained("NotEvilAI/gpt-oss-20b-ru-reasoner")
model = AutoModelForCausalLM.from_pretrained("NotEvilAI/gpt-oss-20b-ru-reasoner", device_map="auto")
messages = [
    {"role": "user", "content": "Who are you?"},
]
inputs = tokenizer.apply_chat_template(
	messages,
	add_generation_prompt=True,
	tokenize=True,
	return_dict=True,
	return_tensors="pt",
).to(model.device)

outputs = model.generate(**inputs, max_new_tokens=40)
print(tokenizer.decode(outputs[0][inputs["input_ids"].shape[-1]:]))

Notebooks
Google Colab
Kaggle
Local Apps Settings

vLLM

How to use NotEvilAI/gpt-oss-20b-ru-reasoner with vLLM:

Install from pip and serve model

# Install vLLM from pip:
pip install vllm
# Start the vLLM server:
vllm serve "NotEvilAI/gpt-oss-20b-ru-reasoner"
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:8000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "NotEvilAI/gpt-oss-20b-ru-reasoner",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker

docker model run hf.co/NotEvilAI/gpt-oss-20b-ru-reasoner

SGLang

How to use NotEvilAI/gpt-oss-20b-ru-reasoner with SGLang:

Install from pip and serve model

# Install SGLang from pip:
pip install sglang
# Start the SGLang server:
python3 -m sglang.launch_server \
    --model-path "NotEvilAI/gpt-oss-20b-ru-reasoner" \
    --host 0.0.0.0 \
    --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "NotEvilAI/gpt-oss-20b-ru-reasoner",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Use Docker images

docker run --gpus all \
    --shm-size 32g \
    -p 30000:30000 \
    -v ~/.cache/huggingface:/root/.cache/huggingface \
    --env "HF_TOKEN=<secret>" \
    --ipc=host \
    lmsysorg/sglang:latest \
    python3 -m sglang.launch_server \
        --model-path "NotEvilAI/gpt-oss-20b-ru-reasoner" \
        --host 0.0.0.0 \
        --port 30000
# Call the server using curl (OpenAI-compatible API):
curl -X POST "http://localhost:30000/v1/chat/completions" \
	-H "Content-Type: application/json" \
	--data '{
		"model": "NotEvilAI/gpt-oss-20b-ru-reasoner",
		"messages": [
			{
				"role": "user",
				"content": "What is the capital of France?"
			}
		]
	}'

Docker Model Runner
How to use NotEvilAI/gpt-oss-20b-ru-reasoner with Docker Model Runner:
```
docker model run hf.co/NotEvilAI/gpt-oss-20b-ru-reasoner
```
Browse Quantizations to use this model in llama.cpp, Ollama, LM Studio, or any compatible app.

NotEvilAI/gpt-oss-20b-ru-reasoner

NotEvilAI/gpt-oss-20b-ru-reasoner - экспериментальная модель с адаптивным русскоязычным ризонингом на основе openai/gpt-oss-20b.

Модель думает на том языке, на котором требуется сгенерировать ответ(протестировано на английском и русском) без явного указания языка ризонинга.

Имеется 5 режимов ризонинга(reasoning_effort):

low, medium, high - стандартные значения минимального, среднего и большого ризонинга для gpt-oss-20b/gpt-oss-120b
none - отключить ризонинг, в thinking будет пустая строка
auto - "автоматический" размер ризонинга

Предпосылки

gpt-oss-20b и gpt-oss-120b по-умолчанию всегда думают только на английском языке. Официальный Cookbook OpenAI предлагает сделать файн-тюн gpt-oss-20b на основе датасета HuggingFaceH4/Multilingual-Thinking(синтетический датасет из 1к примеров, полученных путём перевода prompt-reasoning-answer на 4 языка с английского). Этот подход позволяет задать 'Reasoning language' в системном промте и заставить модель думтаь на требуемом языке, что в теории должно повысить качество ответов. Во время файнтюна модель выявляет новые закономерности и учится думать на запрашиваемом языке.

При разработке данной модели мы поставили цель исключить явное указание языка ризонинга, а также добавить два новых режима ризонинга: автоматический(auto) и без ризонинга(none).

Обучение

Для обучения модели был составлен датасет NotEvilAI/ru-reasoning_effort-sft_dpo_think_gpt.

Модель обучалась на собственном сервере с 8x H200 в 2 стадии:

Full fine-tuning SFT с помощью axolotl:
- num_epochs: 5 (20b версия модели сходится медленнее, чем 120b, однако переобучения замечено не было)
- learning_rate: 5e-5 подобран эмпирически
- optimizer: adamw_torch_fused
- Упаковка семплов через sample_packing, multipack_real_batches, pad_to_sequence_len, group_by_length
- Обучение длилось ~ 5 часов
DPO с помощью transformers:
- Семплирование по 25 семплов на промт с целью поиска ризонинга не на нужном языке
- learning_rate: 5e-6
- gradient_accumulation_steps: 4
- Конвертация результатирующей модели из fp32 в bf16
- Обучение длилось ~ 3.5 часа

Больше информации

Подписывайтесь на наш Telegram-канал. Там мы будем выкладывать новые модели и датасеты. Также там вы можете задать автору интересующие вас вопросы.

Downloads last month: 187

Safetensors

Model size

21B params

Tensor type

BF16

Model tree for NotEvilAI/gpt-oss-20b-ru-reasoner

Base model

openai/gpt-oss-20b

Finetuned

(538)

this model

Quantizations

2 models

NotEvilAI
/

gpt-oss-20b-ru-reasoner

NotEvilAI/gpt-oss-20b-ru-reasoner

Предпосылки

Обучение

Больше информации

Model tree for NotEvilAI/gpt-oss-20b-ru-reasoner

Datasets used to train NotEvilAI/gpt-oss-20b-ru-reasoner