T-pro 2.0: Um Modelo Russo Híbrido de Raciocínio Eficiente e Ambiente de Testes
T-pro 2.0: An Efficient Russian Hybrid-Reasoning Model and Playground
December 11, 2025
Autores: Dmitrii Stoianov, Danil Taranets, Olga Tsymboi, Ramil Latypov, Almaz Dautov, Vladislav Kruglikov, Nikita Surkov, German Abramov, Pavel Gein, Dmitry Abulkhanov, Mikhail Gashkov, Viktor Zelenkovskiy, Artem Batalov, Aleksandr Medvedev, Anatolii Potapov
cs.AI
Resumo
Apresentamos o T-pro 2.0, um LLM russo de pesos abertos para raciocínio híbrido e inferência eficiente. O modelo suporta resposta direta e geração de traços de raciocínio, utilizando um tokenizador denso em cirílico e um *pipeline* adaptado de decodificação especulativa EAGLE para reduzir a latência. Para possibilitar pesquisas reproduzíveis e extensíveis, disponibilizamos publicamente os pesos do modelo, o corpus de instruções T-Wix 500k, o benchmark de raciocínio T-Math e os pesos do EAGLE no Hugging Face. Esses recursos permitem aos usuários estudar o raciocínio em língua russa e estender ou adaptar tanto o modelo quanto o *pipeline* de inferência. Uma demonstração web pública expõe os modos de raciocínio e não raciocínio e ilustra os ganhos de velocidade alcançados pela nossa *stack* de inferência em diversos domínios. O T-pro 2.0 serve, portanto, como um sistema aberto e acessível para construir e avaliar aplicações práticas e eficientes de LLMs russos.
English
We introduce T-pro 2.0, an open-weight Russian LLM for hybrid reasoning and efficient inference. The model supports direct answering and reasoning-trace generation, using a Cyrillic-dense tokenizer and an adapted EAGLE speculative-decoding pipeline to reduce latency. To enable reproducible and extensible research, we release the model weights, the T-Wix 500k instruction corpus, the T-Math reasoning benchmark, and the EAGLE weights on Hugging Face. These resources allow users to study Russian-language reasoning and to extend or adapt both the model and the inference pipeline. A public web demo exposes reasoning and non-reasoning modes and illustrates the speedups achieved by our inference stack across domains. T-pro 2.0 thus serves as an accessible open system for building and evaluating efficient, practical Russian LLM applications.