GLM-5.3 is live. Run Z.ai's latest model on Friendli Model APIs. Try it today ➜
ynakazat11
Available on FriendliAI
Run this model inference on single tenant GPU with unmatched speed and reliability at scale.
Model Details
Model Provider
ynakazat11
Model Tree
llm-jp/llm-jp-4-8b-instruct
Input Modalities
Output Modalities
Supported Functionality
中学受験算数（小学5-6年生レベル）の問題に対して、段階的で読みやすい解説形式を出すように、llm-jp/llm-jp-4-8b-instruct をQLoRAで微調整したモデルです。
教師モデル（Claude Sonnet 4.6）が生成した3,189件の解説を蒸留学習しています。元の訓練候補は3,213問で、極端に短い問題・解説を除外した後の3,189件を学習に使いました。出力は方程式・代数を避け、つるかめ算・差集め算・面積図・線分図・比 など算数の解法に寄せる方向で調整されています。
重要：このモデルは「正答率を保証するモデル」ではありません。訓練解説はSonnet生成であり、監査では教師データ・モデル出力の両方に誤答が見つかっています。
本モデルはApache 2.0ライセンスでリリースしていますが、訓練データの一部はClaude Sonnet 4.6が生成しており、Anthropic社のCommercial Terms第D.4条（競合製品の禁止）の制約を受けます。本モデルを商用利用する際は、利用者ご自身でAnthropicの最新の利用規約を確認してください。
python
from transformers import AutoModelForCausalLM, AutoTokenizer model_id = "ynakazat11/llm-jp-4-8b-instruct-sansu"tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, torch_dtype="bfloat16", device_map="auto") system = ( "あなたは中学受験算数を教える先生です。" "問題文を読み、小学生にもわかるように、算数の手法（つるかめ算・差集め算・" "面積図・線分図・比など）を使って段階的に解説してください。" "文字式・方程式・代数（x, y などの未知数を立てる方法）は使わないでください。")user = "270mの道の端から端まで桜の木を植えます。木と木の間隔を9mにすると、木は何本植えられますか。" messages = [{"role": "system", "content": system}, {"role": "user", "content": user}]prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt").to(model.device)out = model.generate(**inputs, max_new_tokens=512, temperature=0.3)print(tokenizer.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))本モデルはApache 2.0でリリースしています。ベースモデル（llm-jp/llm-jp-4-8b-instruct）のライセンスも併せてご確認ください。
This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.
from transformers import AutoModelForCausalLM, AutoTokenizer model_id = "ynakazat11/llm-jp-4-8b-instruct-sansu"tokenizer = AutoTokenizer.from_pretrained(model_id, trust_remote_code=True)model = AutoModelForCausalLM.from_pretrained(model_id, trust_remote_code=True, torch_dtype="bfloat16", device_map="auto") system = ( "あなたは中学受験算数を教える先生です。" "問題文を読み、小学生にもわかるように、算数の手法（つるかめ算・差集め算・" "面積図・線分図・比など）を使って段階的に解説してください。" "文字式・方程式・代数（x, y などの未知数を立てる方法）は使わないでください。")user = "270mの道の端から端まで桜の木を植えます。木と木の間隔を9mにすると、木は何本植えられますか。" messages = [{"role": "system", "content": system}, {"role": "user", "content": user}]prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)inputs = tokenizer(prompt, return_tensors="pt").to(model.device)out = model.generate(**inputs, max_new_tokens=512, temperature=0.3)print(tokenizer.decode(out[0][inputs["input_ids"].shape[1]:], skip_special_tokens=True))