Börjar kännas som att denna gpt oss var tränad på typ 20T tokens av destillerad säker kanske till och med benchmaxxed data från o3. Det verkar inte finnas någon basmodell under. Är detta phi 5 maxx?

Väntar på @karan4d och @repligate är utforskningar av det lol

@karan4d @repligate Om det är en ren destillationsförträning så kan det inte finnas någon "basmodell" att släppa, eftersom det aldrig har funnits någon

@karan4d @repligate Modellen är bokstavligen oförmögen att fungera om den inte använder sin chattmall? Ive nevrr sett det på en modell som var förtränad på rå internettext