Was ist Limite 1B - Violetto?
Limite 1B - Violetto ist das erste Modell von Paradigma, einem Forschungs-Startup in Rom, zu dessen Gründern der Sapienza-Professor Emanuele Rodolà und der frühere Benchmark-Entwickler von OpenAI Giulio Starace gehören. Es ist ein dichter Transformer mit 1 Milliarde Parametern, von Grund auf auf weniger als 300 Milliarden kuratierten Tokens trainiert, mit einer Architektur aus der Community-Arbeit an Pre-Training-Speedruns (eine Mischung aus lokalen und globalen Attention-Schichten), und dann mit synthetischen Daten, überwachter Feinabstimmung und Reinforcement Learning nachtrainiert. Es verarbeitet Sequenzen bis zu 131.072 Tokens.
Es kann genau eine Sache: Wettbewerbsmathematik in einem einzigen Durchgang lösen. Paradigma hielt das Instruction Tuning bewusst leicht, es ist also kein Chat-Assistent und macht aus einer gewöhnlichen Frage oft eine Mathematikaufgabe. Gewichte und das vLLM-Plugin zum Betrieb stehen unter Apache 2.0; ein technischer Bericht ist angekündigt, aber noch nicht erschienen.
Lohnt sich Limite 1B - Violetto?
Nach Paradigmas eigener Tabelle löst Limite Wettbewerbsmathematik auf einem Niveau, das kein 1B-Modell zuvor erreicht hat. Es erreicht 94,01% auf AIME 2026, 83,62% auf HMMT February 2026 und 74,25% auf BeyondAIME, gegenüber 93,85%, 78,98% und 72,00% für das dreimal so große VibeThinker-3B und 93,44%, 80,87% und 70,00% für das 30B-Modell MUSE-Glimmer. MiniCPM5-2B, der stärkste kleine Generalist in der Tabelle, kommt auf AIME 2026 auf 90,21% und liegt auf allen sieben Benchmarks hinter Limite; VibeThinker-3B liegt nur auf AIME 2025 und ArXivMath vorn. GLM 5.2 und Gemini 3 Pro führen auf dem schwierigsten Satz, APEX Shortlist, weiterhin mit 68,09% und 66,49% gegenüber 50,80% für Limite.
Zwei Vorbehalte gelten. Jeder Wert für Limite ist selbst gemeldet, die Werte mehrerer Konkurrenten wurden aus Model Cards oder von MathArena übernommen statt neu gemessen, und die Fußnote warnt, dass die Evaluierungseinstellungen sich unterscheiden. Der technische Bericht, der die Trainingsdaten erklären würde, steht noch aus. Das ist wichtig, denn Kontamination ist die übliche Sorge, wenn ein so kleines Modell bei Wettbewerben von 2026 so hoch abschneidet.
Die Enge ist eine bewusste Entscheidung, und Paradigma sagt das offen. Die eigenen Beispiele zeigen, wie das Modell auf "Was ist Photosynthese?" mit einer Beschreibung der Zellteilung antwortet und einen zitierten Injection-String als Folge behandelt, die abgeleitet werden soll. Die Model Card verlangt eine Frage pro Konversation, den kanonischen System-Prompt und keinen Verlauf. Damit scheidet es als allgemeiner Assistent oder als Komponente aus, die nicht vertrauenswürdigen Text sieht, passt aber zu einer Pipeline, die ihm nur Mathematik schickt.
Im Einsatz ist es günstig im Betrieb, aber eigen. Der empfohlene Weg ist Paradigmas Plugin für vLLM 0.26 auf CUDA 13 mit einer NVIDIA-GPU; Transformers funktioniert mit trust_remote_code, wurde aber nur auf einer H100 geprüft, und keiner der beiden Wege unterstützt offiziell Sharding oder Feinabstimmung. Die Model Card nennt keine Builds für GGUF oder Apple.
Wo es sich lohnt
Ein ML-Forscher, der Reasoning in kleinen Modellen untersucht
Tausende gesampelte Lösungen pro Aufgabe erzeugen, um Best-of-n und Verifikation zu untersuchen
Betreibe es mit dem vLLM-Plugin auf einer GPU bei Temperatur 0.6 und sample breit; bei 1B Parametern ist der Durchsatz pro Karte weit höher als bei den Modellen mit 27B bis 30B, mit denen es konkurriert. Prüfe Antworten mit einem Verifier, da die Werte selbst gemeldet sind.
Eine Online-Plattform für das Training zur Mathematik-Olympiade
Ausgearbeitete Lösungen für Übungsaufgaben entwerfen, bevor ein Trainer sie prüft
Schicke eine Aufgabe pro Anfrage mit dem kanonischen System-Prompt und ohne Verlauf. Halte es hinter einem Prüfschritt und fern vom freien Chat mit Schülern, wo es in themenfremde Mathematik abdriftet.
Bevor du dich festlegst
- Einrichtung
- git clone paradigma-inc/limite-violetto, uv sync --locked, dann VLLM_PLUGINS=limite uv run vllm serve; braucht Linux x86-64, eine NVIDIA-GPU und einen Treiber, der mit CUDA 13 kompatibel ist. Transformers funktioniert mit trust_remote_code.
- Integrationen
- OpenAI-kompatibler Betrieb über vLLM; Transformers mit SDPA oder FlashAttention 2 (nicht FlashAttention 2 mit statischem Cache). Keine Builds für GGUF, Ollama oder MLX in der Model Card aufgeführt.
- Daten und Datenschutz
- Nur selbst gehostet, Aufgaben und Antworten bleiben also auf deiner Hardware. Die Trainingsdaten sind nur als weniger als 300 Milliarden kuratierte Tokens beschrieben; Details folgen im technischen Bericht.
- Kosten im großen Maßstab
- Gewichte kostenlos; ein 1B-Checkpoint in BF16 ist etwa 2 GB groß, eine GPU reicht also, wobei Tensor- und Pipeline-Parallelität laut Model Card bei 1 bleiben. Einen gehosteten Preis gibt es nicht.
- Grenzen
- Nur für einzelne Durchgänge; verliert bei Prompts ohne Mathematikbezug den Rahmen; Feinabstimmung, LoRA und Sharding über mehrere GPUs werden offiziell nicht unterstützt.
Was gut ist
- 94,01% auf AIME 2026 mit 1B Parametern, laut Paradigma
- Auf den meisten seiner sieben Mathematik-Benchmarks vor Modellen mit 3B bis 30B
- Gewichte und Plugin zum Betrieb unter Apache 2.0
- Kontext von 131K Tokens für lange Lösungen
Was nicht
- Selbst gemeldete Werte; technischer Bericht noch nicht erschienen
- Deutet Fragen ohne Mathematikbezug als Mathematik um
- Nur einzelne Durchgänge; schlecht geeignet für nicht vertrauenswürdige Eingaben
- Offiziell nur NVIDIA und CUDA 13; keine Unterstützung für Feinabstimmung
Am besten für
Forscher und Bildungstechnik-Teams, die viele Lösungen für Wettbewerbsmathematik günstig brauchen und Antworten automatisch prüfen können.
Alternativen zu Limite 1B - Violetto
Limite 1B - Violetto: häufige Fragen
- Lohnt sich Limite 1B - Violetto?
- Bemerkenswerte Mathematik pro Parameter, nutzlos außerhalb der Mathematik und bislang nur von seinen eigenen Entwicklern bewertet. Wir bewerten es mit 3.6 von 5.
- Was kostet Limite 1B - Violetto?
- Kostenlose offene Gewichte unter Apache 2.0. Keine gehostete API; du zahlst nur für deine eigene GPU.
- Welche Nachteile hat Limite 1B - Violetto?
- Selbst gemeldete Werte; technischer Bericht noch nicht erschienen; Deutet Fragen ohne Mathematikbezug als Mathematik um; Nur einzelne Durchgänge; schlecht geeignet für nicht vertrauenswürdige Eingaben; Offiziell nur NVIDIA und CUDA 13; keine Unterstützung für Feinabstimmung.
- Für wen eignet sich Limite 1B - Violetto?
- Forscher und Bildungstechnik-Teams, die viele Lösungen für Wettbewerbsmathematik günstig brauchen und Antworten automatisch prüfen können.
- Was kostet Limite 1B - Violetto für ein Team oder im Produktivbetrieb?
- Gewichte kostenlos; ein 1B-Checkpoint in BF16 ist etwa 2 GB groß, eine GPU reicht also, wobei Tensor- und Pipeline-Parallelität laut Model Card bei 1 bleiben. Einen gehosteten Preis gibt es nicht.
- Ist Limite 1B - Violetto sicher für Firmendaten?
- Nur selbst gehostet, Aufgaben und Antworten bleiben also auf deiner Hardware. Die Trainingsdaten sind nur als weniger als 300 Milliarden kuratierte Tokens beschrieben; Details folgen im technischen Bericht.
- Was sind die besten Alternativen zu Limite 1B - Violetto?
- Die nächsten Alternativen, die wir getestet haben, sind MiniCPM5-2B, Qwen3.8-27B und SmolLM3-3B.
Antworten geprüft am 2. Nov. 2026.