Descripción
OmniEdu representa una familia abierta de modelos fundamentales meticulosamente desarrollados para entornos de aprendizaje y enseñanza en K–12. Este conjunto de modelos está diseñado para abordar aspectos críticos de la educación, incluyendo la fundamentación curricular, la resolución de problemas en K–12, el razonamiento diagnóstico y la tutoría pedagógica. Los modelos están diseñados para ser de código abierto, fomentando la innovación y la colaboración dentro de la comunidad de tecnología educativa.
Leer más
La familia OmniEdu está disponible en múltiples escalas, incluyendo OmniEdu-4B para experimentación local, OmniEdu-9B para aplicaciones educativas y OmniEdu-27B, que demuestra los resultados generales más fuertes en evaluaciones educativas. Estos modelos se ofrecen en versiones originales BF16 y FP8, con versiones FP8 que reducen significativamente los tamaños de descarga entre un 37 % y un 44 % manteniendo el rendimiento. Todas las escalas utilizan una longitud de secuencia de entrenamiento sustancial de 32,768 tokens, lo que permite un procesamiento integral del contenido educativo.
Las capacidades clave de OmniEdu abarcan todo el ciclo de aprendizaje–enseñanza. La fundamentación curricular permite a los modelos mapear preguntas a puntos de conocimiento específicos, niveles de grado, relaciones de prerrequisitos y evidencia curricular. Para la resolución de problemas en K–12, OmniEdu puede resolver preguntas auténticas a nivel escolar en diversas materias, formatos y entradas multimodales. El razonamiento diagnóstico ayuda a identificar conceptos erróneos, prerrequisitos faltantes y brechas en el estado del conocimiento a partir del trabajo del aprendiz, proporcionando valiosos conocimientos sobre la comprensión del estudiante. Además, la tutoría pedagógica permite a los modelos sugerir la siguiente acción instruccional, como proporcionar una pista, hacer una pregunta de seguimiento, recomendar una revisión de prerrequisitos u ofrecer una explicación detallada.
Los modelos han sido rigurosamente entrenados en un vasto conjunto de datos que comprende 60,951 ejemplos específicos de educación y 9,048 ejemplos de propósito general provenientes de más de 100 orígenes diferentes. Las evaluaciones contra 16 otros modelos, incluyendo soluciones de peso abierto y propietarias, muestran que OmniEdu-27B lidera en benchmarks como K12-Bench EM/F1, precisión de MathFish y puntaje de enseñanza de LongTutor, indicando un fuerte rendimiento en fundamentación curricular y apoyo instruccional. El proyecto enfatiza que, aunque los resultados de los benchmarks son sólidos, los educadores deben revisar las salidas del modelo antes de su uso en el aula.
OmniEdu apoya la investigación educativa y la creación de herramientas de asistencia para docentes. Los modelos están diseñados para su implementación en GPUs/backend que soportan FP8 por bloques, utilizando lanzamientos recientes de vLLM con soporte para Qwen3.5. Los usuarios pueden cambiar fácilmente entre diferentes tamaños de modelo y niveles de precisión (BF16 o FP8) ajustando el ID del modelo. Los requisitos de memoria varían según la longitud del contexto, la concurrencia y la inclusión de entradas de imagen.
- CategoríaModelos de IA y LLM
- Modelo de preciosCódigo abierto
- ImplementaciónOn-premise (via GitHub)
- PlataformasWeb
Características principales de OmniEdu
Familia abierta de modelos fundamentales para la educación K–12
Fundamentación curricular: mapea preguntas a puntos de conocimiento, niveles de grado y prerrequisitos
Resolución de problemas K–12: resuelve preguntas a nivel escolar en diversas materias y formatos
Razonamiento diagnóstico: identifica conceptos erróneos y brechas de conocimiento a partir del trabajo del aprendiz
Tutoría pedagógica: sugiere acciones instruccionales como pistas, preguntas o explicaciones
Múltiples escalas de modelo: OmniEdu-4B, OmniEdu-9B y OmniEdu-27B
Lanzamientos FP8: reduce el tamaño de descarga entre un 37 % y un 44 % manteniendo el rendimiento
Originales BF16: disponibles para experimentación a plena precisión
Longitud de secuencia de entrenamiento de 32,768 tokens en todas las escalas
Entrenado en 60,951 ejemplos específicos de educación y 9,048 ejemplos de propósito general
Fuerte rendimiento en K12-Bench EM/F1, precisión de MathFish y puntaje de enseñanza de LongTutor
Apoya la investigación educativa y el desarrollo de herramientas de asistencia para docentes
Ejemplos de implementación y configuraciones de cuantización proporcionados
Las capacidades generales permanecen fuertes después del ajuste fino educativo
Soporta entradas multimodales para la resolución de problemas
¿Cómo usar OmniEdu?
Elegir Escala del Modelo: Seleccione OmniEdu-4B para experimentación local, OmniEdu-9B para aplicaciones educativas, o OmniEdu-27B para los resultados generales más fuertes.
Seleccionar Precisión: Opte por originales BF16 o lanzamientos FP8, teniendo en cuenta que FP8 reduce el peso de las descargas entre un 37 % y un 44 %.
Preparar el Entorno: Utilice una GPU/backend que soporte FP8 por bloques y un lanzamiento reciente de vLLM con soporte para Qwen3.5 para la implementación.
Implementar el Modelo: Comience con OmniEdu-4B-FP8, luego cambie el ID del modelo y ajuste el paralelismo de la GPU para los modelos 9B o 27B.
Servir Original BF16: Elimine el sufijo '-FP8' del ID del modelo para servir el punto de control original BF16.
Integrar en Aplicaciones: Utilice los modelos para fundamentación curricular, resolución de problemas, diagnóstico o tutoría pedagógica en herramientas educativas.
Revisar Salidas: Los educadores deben revisar las salidas del modelo antes de su uso en el aula.
Casos de uso de OmniEdu
- Alineación Curricular
- Resolución de Problemas K–12
- Diagnóstico del Aprendiz
- Soporte Pedagógico
- Investigación Educativa
- Herramientas de Asistencia para Docentes
- Experimentación con Modelos
- Aprendizaje Multimodal








