You can deploy this model and start earning money today!

dicta-il/
DictaLM-3.0-1.7B-Thinking

Name: DictaLM-3.0-1.7B-Thinking
Availability: InStock

Views

No views yet

Dicta-LM 3.0: Advancing The Frontier of Hebrew Sovereign LLMs

Dicta-LM 3.0 is a powerful open-weight collection of LLMs, trained on extensive corpora of Hebrew and English texts. The models are available for download and for unlimited use. The models set a new SOTA for their weight-class for Hebrew, both as base models and chat models.

This is the 1.7-billion-parameter reasoning model, with full precision (BF16), originally initialized from Qwen3-1.7B-Base.

This model is a reasoning chat model, which means that before responding to any given message from the user, the model first thinks out the right way to respond in a designated thinking block.

For full details of this model please read our release blog post or the technical report.

You can view and access the full collection of base/instruct unquantized/quantized versions of DictaLM 3.0 here.

Instruction format

In order to leverage instruction fine-tuning, your prompt should be rendered using the chat template specified for this model. Most libraries deal with this automatically, so you can just let them do it.

Usage

We recommend using vLLM, but you can use Transformers as well:

Transformers

python

from transformers import pipeline

generator = pipeline('text-generation', model="dicta-il/DictaLM-3.0-1.7B-Thinking")

messages = [
    {"role": "user", "content": "איזה רוטב אהוב עליך?"},
    {"role": "assistant", "content": "טוב, אני די מחבב כמה טיפות מיץ לימון סחוט טרי. זה מוסיף בדיוק את הכמות הנכונה של טעם חמצמץ לכל מה שאני מבשל במטבח!"},
    {"role": "user", "content": "האם יש לך מתכונים למיונז?"}
]

print(generator(messages)[0]['generated_text'][-1]) # just print the last message
# 'role': 'assistant', 'content': 'המשתמש שואל: "האם יש לך מתכונים למיונז?" אנחנו צריכים לספק מתכונים למיונז. לספק מתכונים ברורים, אולי עם שלבים. לספק כמה גרסאות. צריך להיות ידידותי.</think>בהחלט! הנה כמה מתכונים קלים, טעימים למיונז שתוכל לנסות. בחר את זה שמתאים לאפיון המטבח שלך, והרגיש חופשי להתאים את העוצמה של החריפות או התיבול לפי הטעם שלך.\n\n---\n\n## 1. מיונז בסיסי (מתכון בסיסי)\n\n**מרכיבים**\n- 2 כוסות חלב (או כל חלב מתוק אחר)\n- 1 ביצה גדולה\n- 1 כפית מיץ לימון טרי\n- 1 כפית מיץ תפוזים טרי (אופציונלי)\n- 1⁄2 כפית חרדל דיז\'ון\n- 1⁄2 כפית מלח\n- 1⁄4 כפית פלפל שחור טחון טרי\n\n**הוראות**\n1. **הכנת הביצה** – בקערה, טורפים יחד ביצה'}

vLLM

vllm serve dicta-il/DictaLM-3.0-1.7B-Thinking --enable-auto-tool-choice --tool-call-parser hermes --reasoning_parser deepseek_r1

And then you can access it via the openai library:

python

from openai import OpenAI

client = OpenAI(
    base_url="http://localhost:8000/v1",
    api_key="sk-no-key-required"
)

response = client.chat.completions.create(
    model="dicta-il/DictaLM-3.0-1.7B-Thinking",
    messages=[
        {"role": "user", "content": "Hello, how are you?"}
    ],
)

print(response.choices[0].message.content)

The reasoning traces should be available in the response structure in the designated fild.

The model supports tool-calling, enabling integration with external tools and APIs. For example how to use the tool calling, see the vLLM documentation.

Citation

If you use this model, please cite:

bibtex

@article{Shmidman2025DictaLM3,
  title={{Dicta-LM 3.0: Advancing The Frontier of Hebrew Sovereign LLMs}},
  author={Shaltiel Shmidman and Avi Shmidman and Amir DN Cohen and Moshe Koppel},
  year={2025},
  publisher={{DICTA / Jerusalem, Israel}},
  note={https://www.dicta.org.il/publications/DictaLM_3_0___Techincal_Report.pdf}
}