ServiceNow представила Apriel-Nemotron-15B-Thinker, модель с 15 миллиардами параметров из серии Apriel SLM, которая по производительности соответствует или превосходит более крупные базовые модели на 30–32 миллиарда параметров, такие как o1-mini, QWQ32B и EXAONE-Deep-32B, при этом используя примерно вдвое меньше памяти.
Модель построена на четырехэтапном конвейере обучения: масштабирование базовой модели от 12B-каркаса, непрерывное дообучение на трейсах рассуждений, контролируемая тонкая настройка на высококачественных данных рассуждений и обучение с подкреплением с использованием Group Relative Policy Optimization (GRPO).
Оценки по семи корпоративным бенчмаркам и пяти академическим задачам на рассуждение показывают, что модель помещается в объем памяти одной видеокарты H100 или двух потребительских GPU, при этом демонстрируя лучшие результаты для своего размера.
Этот подход решает проблему нехватки моделей, достаточно малых для работы на ограниченном оборудовании, но достаточно умных для сложного многошагового рассуждения, вызова инструментов и специфичных для домена корпоративных задач.