---
language:
- da
base_model:
- meta-llama/Llama-3.1-8B-Instruct
---

# o7
o7 er den første reasoning model trænet udelukkende på Dansk.

Modellen er trænet med GRPO (en reinforcement learning metode skabt af DeepSeek) over 8 dage på et enkelt A100.

## Instruktion, ingen chat
Modellen er ikke trænet til at svare på opfølgende spørgsmål, og fungerer derfor bedst ved et spørgsmål pr. "chat".

## Licens
Følger MIT for privatpersoner og organisationer der vil bruge modellen til forskning. Ved kommercielt brug skal der betales 1 kr. for en livstidslicens. Læs LICENSE.txt for den fulde licens.