Meta MobileLLM‑R1 İncelemesi: Kendi Ağırlığının Üzerinde Yumruk Atan Cep Boyutundaki Akıl Yürütücü

MobileLLM‑R1 Tam Olarak Nedir?

Teknik Özellikler ve Kurulum: Çalıştırmak İçin İhtiyacınız Olanlar

Performans ve Kıyaslamalar: Nerede Şaşırtıyor

R1 ve Zincirleme Düşünce: Ödünleşim Nedir?

MobileLLM‑R1 ve Diğer Cihaz Üzeri Seçenekler

Gerçek Dünya Kullanım Durumları (Kurulum İpuçlarıyla)

Geliştirici Deneyimi: Prototipten Üretime

Gizlilik, Güvenlik ve Uyumluluk

MobileLLM‑R1'i Şimdi Kimler Benimsemeli?

Fiyatlandırma ve Kullanılabilirlik

Pratik: Hızlı Başlangıç Taslağı

from transformers import AutoModelForCausalLM, AutoTokenizer
import torch
ckpt = "facebook/MobileLLM-R1-950M"
tok = AutoTokenizer.from_pretrained(ckpt)
model = AutoModelForCausalLM.from_pretrained(
 ckpt,
 torch_dtype=torch.float16, # or int8/int4 via bitsandbytes/AutoGPTQ
 device_map="auto"
)
prompt = "Solve 48/6 + 7*3. Show steps briefly."
inputs = tok(prompt, return_tensors="pt").to(model.device)
with torch.inference_mode:
 out = model.generate(
 **inputs,
 max_new_tokens=160,
 temperature=0.2,
 do_sample=False
 )
print(tok.decode(out[0], skip_special_tokens=True))

Sınırlamalar ve Tuzaklar

Sonuç

Temel Çıkarımlar

SSS