Rnj-1

Когда компактную открытую нейросеть учат не просто дописывать куски кода, а прогонять результаты через профайлер и переписывать функции ради скорости, у разработчиков появляется редкая альтернатива тяжелым закрытым сервисам. Команда Essential выкатила Rnj-1 (произносится как «рейндж-один») — пару открытых моделей на 8 миллиардов параметров в базовой и инструктивной версиях. Архитектура опирается на наработки Gemma 3, а благодаря методу YaRN окно контекста расширено до 32 тысяч токенов.

Что умеет

• Генерировать софт поэтапно. Модель строит сквозные приложения в многошаговом диалоге и выполняет инженерные задачи, включая разбор пул-реквестов и работу в среде bash.
• Оптимизировать код через профилирование. Rnj-1 обучена считывать показатели производительности в рабочей среде и циклично улучшать скорость выполнения своих скриптов.
• Взаимодействовать с внешними инструментами. Инструктивная версия адаптирована под вызов функций и программных интерфейсов, подтверждая это высокими метриками в бенчмарке BFCL.
• Сохранять стабильность при квантовании. Модель переводится из формата BF16 в FP8 и NVFP4 без заметной деградации ответов, ускоряя отдачу токенов на длинных входящих запросах.
• Решать научные и вычислительные задачи. Система уверенно справляется со сложной математикой уровня AIME'25 и отвечает на профильные вопросы по физике, химии и биологии.

Инструмент пригодится разработчикам локальных агентов, создателям внутренней инфраструктуры автоматизации и инженерам, которым нужны открытые веса без привязки к облачным вендорам. Нас подкупило умение модели оптимизировать собственные алгоритмы через замеры скорости — кажется, именно такой автономности и не хватало небольшим локальным сетям.