.jpg)
知名华裔美籍科学家李飞飞率领的研究团队，近日发布了一款名为 s1-32B 的AI推理模型，其部分能力可媲美 OpenAI o1 预览版 和 Deepseek-R1，在数学推理任务上的表现甚至更胜一筹。然而，最引人关注的是，这一突破仅用 16张NVIDIA H100 GPU、花费约20美元、训练时间26分钟，再次引发业界热议。
根据论文数据，s1-32B 在数学竞赛类问题上的表现优异，特别是在 MATH 和 AIME24 数据集上的成绩，比OpenAI o1 预览版高出 27%。研究人员指出，这主要得益于 “预算控制策略”，透过wait指令延长推理过程，让模型自我检查并优化推理步骤，从而提升答案质量。
同时，s1-32B 的核心架构基于阿里巴巴的 Qwen2.5-32B-Instruct，并结合谷歌Gemini 2.0 Flash的思考过程进行微调。然而，这种训练方式可能涉及谷歌（Google）模型的逆向工程，或违反其使用条款。目前，谷歌尚未对此作出回应。
低成本的秘密：微调而非从零训练
复旦大学电脑科学学院副教授郑骁庆指出，s1-32B 训练成本极低的关键在于基于现成的预训练模型，而非从零开始训练。他同时质疑，研究论文所提的20美元是否涵盖了数据处理、实验等额外成本，毕竟AI训练通常涉及高昂的计算资源。
相比 DeepSeek 依赖强化学习（RLHF） 和大规模算力，李飞飞团队选择了一种更轻量级但高效的推理优化方法，使得模型在生成答案时能够多次迭代修正，从而实现高质量输出，同时大幅降低计算成本。
尽管争议仍存，s1-32B无疑展现了强大的 样本效率与推理能力，为 AI人工智能领域提供了一种更具性价比的训练路径，或将影响未来大模型的发展方向。