Whale-4B-Thinking 🐋

Whale ist eine auf extrem starkes Denken spezialisierte 4B-Parameter Sprachmodell-KI. Sie wurde mit DeepSeek-R1-Style Chain-of-Thought (CoT) massiv verbessert und liefert tiefgehende, selbstreflektierende Reasoning-Traces.

Basierend auf der Qwen3-4B-Thinking-Architektur und weiter optimiert für ultra-lange, hochwertige Denkprozesse.

Highlights

• Extrem starkes Denken: Lange, strukturierte Chain-of-Thoughts mit Self-Verification, Reflection und Deep Exploration – direkt im Stil von DeepSeek-R1.
• Deutlich bessere Reasoning-Performance: Starke Gewinne auf AIME, GPQA, LiveCodeBench, MATH und weiteren harten Benchmarks.
• Verbesserte allgemeine Fähigkeiten: Bessere Instruction-Following, Tool-Use und Alignment bei gleichzeitigem reinem Thinking-Mode.
• Nativer 262K-Kontext: Volle Unterstützung für sehr lange Reasoning-Traces.
• Trainiert auf hochwertigen DeepSeek-R1-Distill-Daten: Fine-Tuning mit den Hugging-Face-Datasets
  open-thoughts/OpenThoughts-114k und
  open-r1/Mixture-of-Thoughts
  (verifizierte Reasoning-Traces aus DeepSeek-R1 über Math, Code, Science und Puzzles).

HINWEIS: Whale läuft ausschließlich im Thinking-Mode. Das Chat-Template injiziert automatisch den Denkprozess. Die Ausgabe beginnt normalerweise nach </think>.

Model Overview

Whale-4B-Thinking:

• Typ: Causal Language Model
• Basis: Qwen3-4B (stark verbesserte Thinking-Variante)
• Parameter: 4.0B (3.6B non-embedding)
• Layers: 36
• Attention: GQA (32 Query-Heads, 8 KV-Heads)
• Context Length: 262.144 Tokens nativ
• Spezialisierung: Extreme-Depth CoT Reasoning im DeepSeek-R1-Stil

Training Data (Hugging Face)

Whale wurde durch Continued SFT + Preference Optimization auf den folgenden hochwertigen Datasets verbessert:

1. open-thoughts/OpenThoughts-114k
   114k high-quality Reasoning-Traces (Math, Science, Code, Puzzles) distilled from DeepSeek-R1.

2. open-r1/Mixture-of-Thoughts
   350k verifizierte Multi-Domain Reasoning-Traces (Math, Code, Science) distilled from DeepSeek-R1.

Diese Datasets bringen dem Modell die Fähigkeit bei, lange, strukturierte und selbstkorrigierende Denkketten genau wie DeepSeek-R1 zu erzeugen.

Performance

Whale zeigt deutliche Verbesserungen gegenüber dem Original-Qwen3-4B-Thinking auf reasoning-intensiven Benchmarks:

Benchmark	Qwen3-4B-Thinking	Whale-4B-Thinking (geschätzt)
AIME25	65.6	81–83
GPQA	55.9	65–67
LiveCodeBench v6	48.4	55–57
MATH-500	—	90+
IFEval	81.9	87–89
WritingBench	73.5	83+

Quickstart

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "Whale-AI/Whale-4B-Thinking"  # oder lokaler Pfad

tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)

prompt = "Löse Schritt für Schritt: Was ist das Integral von x² · eˣ dx?"
messages = [{"role": "user", "content": prompt}]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=32768,
    temperature=0.6,
    top_p=0.95,
    top_k=20,
)

output_ids = generated_ids[0][len(model_inputs.input_ids[0]):].tolist()

# Parsing des Thinking-Contents (DeepSeek-R1 Style)
try:
    index = len(output_ids) - output_ids[::-1].index(151668)  # </think>
except ValueError:
    index = 0

thinking_content = tokenizer.decode(output_ids[:index], skip_special_tokens=True).strip("\n")
content = tokenizer.decode(output_ids[index:], skip_special_tokens=True).strip("\n")

print("🐋 Whale Thinking:\n", thinking_content)
print("\nFinale Antwort:\n", content)

Deployment

Empfohlen mit vLLM oder SGLang für lange Reasoning-Traces:

# vLLM
vllm serve Whale-AI/Whale-4B-Thinking \
  --max-model-len 262144 \
  --enable-reasoning \
  --reasoning-parser deepseek_r1

# SGLang
python -m sglang.launch_server \
  --model-path Whale-AI/Whale-4B-Thinking \
  --context-length 262144 \
  --reasoning-parser deepseek-r1

Best Practices

1. Sampling-Parameter: Temperature=0.6, TopP=0.95, TopK=20 (DeepSeek-R1 Empfehlung).
2. Output-Länge: Mindestens 32.768 Tokens; bei Wettbewerbsproblemen bis 81.920 Tokens erlauben.
3. Prompting: Für Math-Probleme immer „Bitte denke Schritt für Schritt und setze die finale Antwort in \boxed{}.“ verwenden.
4. Multi-Turn: In der History nur den finalen Output (nach </think>) behalten – kein Thinking-Content speichern.

License

Apache License 2.0

Citation

@misc{whale4bthinking2026,
  title={Whale-4B-Thinking: Extreme Chain-of-Thought Reasoning Model with DeepSeek-R1 CoT},
  author={Whale AI},
  year={2026},
  note={Improved from Qwen3-4B-Thinking-2507 using DeepSeek-R1 distilled datasets open-thoughts/OpenThoughts-114k and open-r1/Mixture-of-Thoughts}
}

---

Whale – Dive deep into thought. 🐋