Model MoE Tencent (770 mld parametrów, 49 mld aktywnych) z oknem kontekstu 1M, zoptymalizowany pod inżynierię oprogramowania, pracę biurową i badania.
Okno kontekstowe
1M
tokenów
Parametry
770B (49B aktywnych)
parametrów
Dostęp:DownloadWdrożenie:☁ Cloud💻 Lokalnie
Przegląd
Zastosowania
Dostęp i wdrożenie
Pobieranie
ChmuraLokalnie
Wagi: Open weights
Kluczowe parametry
📏 Kontekst: 1M
🧩 Parametry: 770B (49B aktywnych)
✓ Narzędzia · ✓ Fine-tuning
📥 Wejście: tekst
Specyfikacja techniczna
Okno kontekstowe
1M
tokenów
Parametry
770B (49B aktywnych)
parametrów
Licencja
Apache 2.0
Wymagania sprzętowe
Model MoE 770B (49B aktywnych) wymaga wielokartowego klastra GPU klasy data-center (np. wiele NVIDIA H100/H200) do inferencji w pełnej precyzji; kwantyzacja obniża wymagania.
Funkcje:✓ Używanie narzędzi✓ Fine-tuning
Modalności
⬇ Wejście (Input)
text
⬆ Wyjście (Output)
textcode
Możliwości i zastosowania
Natywne możliwości modelu
Programowanie
Generowanie, analizowanie i modyfikowanie kodu w wielu językach programowania. Obejmuje pisanie funkcji, debugowanie, refaktoryzację, code review, tworzenie testów. Mierzone benchmarkami takimi jak HumanEval, SWE-bench.
Kategoria: coding
Kodowanie agentowe
Wielogodzinne, wieloetapowe zadania programistyczne wykonywane samodzielnie przez model: klonowanie repozytorium, uruchamianie testów, iteracja poprawek, integracja z narzędziami CLI. Charakterystyczne dla wariantów Codex (GPT-5.1-Codex-Mini, Codex-Max).
Kategoria: coding
Rozumowanie matematyczne
Zdolność modelu do rozwiązywania zadań matematycznych wymagających wieloetapowego rozumowania — równania, dowody, kombinatoryka, geometria, rachunek różniczkowy, zadania konkursowe.
Kategoria: reasoning
Zaawansowane rozumowanie
Zdolność do wieloetapowego, ustrukturyzowanego rozumowania: analiza problemów, planowanie kroków, wnioskowanie na podstawie hipotez. Modele reasoning-first (np. GPT-5.1 Thinking) dedykują część inferencji na łańcuchy myślowe zanim udzielą odpowiedzi.
Kategoria: reasoning
Długi kontekst
Obsługa dużych okien kontekstowych — dziesiątek do setek tysięcy (lub milionów) tokenów wejścia. Umożliwia analizę całych baz kodu, długich dokumentów, wielu równolegle rozmów bez utraty wcześniejszych informacji. GPT-5.1 wspiera 400 000 tokenów.
Kategoria: language
Użycie narzędzi
Zdolność modelu do wywoływania zewnętrznych funkcji, API i narzędzi w trakcie rozmowy: kalkulator, wyszukiwarka, edytor kodu, baza danych. Model decyduje kiedy i jak użyć narzędzia oraz interpretuje jego wynik.
Kategoria: planning
Zdolności agentowe
Zdolność modelu do autonomicznego planowania i wykonywania wieloetapowych zadań poprzez sekwencyjne użycie narzędzi, utrzymywanie kontekstu i adaptację do wyników pośrednich.
Kategoria: planning
Wielojęzyczność
Kompetencje w wielu językach naturalnych (od kilku do stu+): rozumienie, generowanie, tłumaczenie, code-switching w obrębie jednej rozmowy. Modele frontier obsługują szeroki wachlarz języków ze zbliżoną jakością.
Kategoria: language
Tworzenie arkuszy kalkulacyjnych
Generowanie kompletnych arkuszy kalkulacyjnych (Excel, Google Sheets, CSV) z formułami, formatowaniem warunkowym, tabelami przestawnymi i wielo-kartkowymi strukturami danych na podstawie opisu w języku naturalnym.
Kategoria: structured_generation
Tworzenie prezentacji
Generowanie prezentacji (PowerPoint, Google Slides, Keynote): struktura slajdów, treść tekstowa, sugestie grafik, konspekt do wystąpienia. Model dobiera układ i narrację adekwatną do celu prezentacji.
Kategoria: structured_generation
Wyniki benchmarków
3 benchmarki
GPQA
accuracy · GPQA Diamond
92.3%
📄 Oficjalna karta modelu (Hugging Face)
Terminal-Bench 2.0
accuracy · Terminal-Bench 2.1
85.4%
📄 Oficjalna karta modelu (Hugging Face)
SWE-bench
resolved · SWE-bench Multilingual (Resolved)
82.9%
📄 Oficjalna karta modelu (Hugging Face)
Architektura techniczna
Rdzeń architektury (Core Architecture)
Forma modelu (Model Form)