Dansk Mimir v1 konkurrerer med 4B-modeller på kun tillatt treningsdata

For forskere som må kunne dokumentere hvor hvert treningseksempel stammer fra, har utvalget av brukbare modeller vært tynt. Danish Foundation Models la 13. august ut artikkelen om Mimir v1 på arXiv: en modell på 1 milliard parametere, trent fra bunnen av utelukkende på det forskerne kaller tillatt post-treningsdata.

Mimir v1 bygger på Hierarchical Reasoning Model-arkitekturen, som kjører to koblede rekurrente moduler i sløyfe over samme input i stedet for å stable stadig flere transformerlag. Treningsmiksen består av 161 datasett. Forskerne testet modellen på 20 benchmarks fordelt på engelsk, matematikk og kode samt dansk, og rapporterer at den slår den opprinnelige HRM-Text 1B og konkurrerer med Qwen 3.5 4B og Gemma 4 E2B. På dansk setter den ny state of the art.

«Dagens utvikling av store språkmodeller hviler på massive, ofte ikke-tillatte datasett, og skaper en høy barriere for forskere som er forpliktet til åpen kildekode og etisk hentede data.» — Mimir v1-artikkelen, Danish Foundation Models

Poenget for deg som bygger er todelt. En modell på 1 milliard parametere kjører på maskinvare du allerede har, og vektene ligger åpent på Hugging Face under danish-foundation-models/DFM-Mimir. Samtidig er tallene selvrapporterte i en fersk artikkel uten uavhengig replikering, og et dansk state of the art er nærmeste nabo til norsk uten å være det samme.

Hva bør du gjøre?

1. Last ned vektene fra Hugging Face og kjør dine egne oppgaver mot dem før du stoler på benchmark-tallene.
2. Test dansk og norsk input direkte, siden det er her modellen skiller seg mest fra andre i samme størrelsesklasse.
3. Les datasettdokumentasjonen hvis du trenger å forsvare datagrunnlaget juridisk, siden «tillatt» er en vurdering forskerne selv har gjort.