OpenThoughts3-1.2M — LLM Rozumowanie Dataset
1.2M reasoning traces — 850k math, 250k code, and 100k science questions — with chains of thought generated by QwQ-32B. The result of 1,000+ controlled experiments on reasoning-data curation, and the training set behind OpenThinker3-7B, the state-of-the-art open-data 7B reasoning model (53% AIME 2025). The reference open recipe for distilling reasoning ability.
Dataset Details
| Provider | Open Thoughts |
| Category | Rozumowanie |
| Size | 1.2M Rows |
| License | Apache 2.0 |
| Downloads | n/a |
| Tags | Reasoning-Traces, Math, Code, Science, Distillation, 2025 |
from datasets import load_dataset
ds = load_dataset("open-thoughts/OpenThoughts3-1.2M")
Fine-tuning z tym zbiorem danych
Szacowany VRAM do fine-tuningu z QLoRA (model bazowy 4-bit + adaptery LoRA), przy zachowawczych ustawieniach:
| 7B QLoRA | ~6GB VRAM |
| 13B QLoRA | ~10GB VRAM |
Sprawdź, czy Twoje GPU to udźwignie →
Pierwszy fine-tuning? Przejdź przewodnik krok po kroku: Zrób fine-tuning pierwszego LLM w godzinę
Powiązane zbiory danych
- NuminaMath — Chain-of-thought math fine-tuning up to olympiad level
- OpenCodeReasoning — Fine-tuning coding models that show their reasoning before writing the solution
- MetaMathQA — Boosting GSM8K/MATH-style math skills in 7B models
- Orca Math Word Problems — Grade-school math word problems for small models
Najczęstsze pytania
Czy mogę użyć OpenThoughts3-1.2M komercyjnie?
Tak — OpenThoughts3-1.2M jest udostępniony na licencji Apache 2.0, liberalnej licencji pozwalającej na użycie komercyjne, w tym trenowanie modeli wdrażanych w produkcie. Przed publikacją sprawdź wymogi atrybucji na karcie zbioru.
Ile danych zawiera OpenThoughts3-1.2M i czy potrzebuję wszystkich?
OpenThoughts3-1.2M zawiera 1.2M Rows. Rzadko potrzebujesz całości: do fine-tuningu stylu i formatu wystarcza kilkaset–kilka tysięcy przykładów — załaduj wycinek (np. split="train[:1000]") i zwiększaj skalę tylko, gdy jakość przestaje rosnąć.
Do czego OpenThoughts3-1.2M nadaje się najlepiej?
Distilling strong math/code/science reasoning into 7B–32B models. Należy do sekcji „Rozumowanie" naszego centrum zbiorów danych, gdzie znajdziesz alternatywy i zbiory komplementarne.
← Wszystkie zbiory danych | Fine-Tuning Guide