Huginn-0125 es un modelo de profundidad recurrente con variables latentes desarrollado por el laboratorio Tom Goldstein de la Universidad de Maryland, College Park. Este modelo cuenta con 3.5 mil millones de parámetros y ha sido entrenado con 800 mil millones de tokens, mostrando un excelente rendimiento en el razonamiento y la generación de código. Su característica principal es la capacidad de ajustar dinámicamente la carga computacional durante la prueba mediante una estructura de profundidad recurrente, pudiendo aumentar o disminuir los pasos de cálculo según las necesidades de la tarea, optimizando así el uso de recursos sin sacrificar el rendimiento. El modelo se publica a través de la plataforma de código abierto Hugging Face, permitiendo el intercambio y la colaboración de la comunidad; los usuarios pueden descargarlo, usarlo y desarrollarlo libremente. Su naturaleza de código abierto y su arquitectura flexible lo convierten en una herramienta esencial para la investigación y el desarrollo, especialmente en escenarios con recursos limitados o que requieren inferencia de alto rendimiento.