開源大模型再添猛將！昆侖萬維Skywork-OR1系列震撼發(fā)布，推理能力比肩640B模型！原創(chuàng)

發(fā)布于 2025-4-16 07:05

瀏覽

0收藏

在人工智能技術(shù)日新月異的今天，昆侖萬維再次以驚人的創(chuàng)新力震撼業(yè)界——全新升級的Skywork-OR1(Open Reasoner 1)系列中文推理大模型正式發(fā)布！這不僅是一次技術(shù)迭代，更是一場關(guān)于開源精神與AI普惠化的革命性突破。

1/20參數(shù)量，比肩640B頂級模型

Skywork-OR1系列最令人驚嘆的，莫過于其"以小博大"的卓越性能。據(jù)官方數(shù)據(jù)顯示，旗艦版本Skywork-OR1-32B雖然參數(shù)量僅為32B，卻能在多項(xiàng)基準(zhǔn)測試中與參數(shù)量高達(dá)640B的DeepSeek-R1打得有來有回。這意味著什么？意味著開發(fā)者們可以用1/20的計(jì)算成本，獲得接近頂級商業(yè)模型的推理能力！

在專業(yè)測試中，Skywork-OR1-32B在美國數(shù)學(xué)邀請賽(AIME)和LiveCodeBench編程能力評測中表現(xiàn)尤為亮眼，成績穩(wěn)居同規(guī)模模型榜首。而專精數(shù)學(xué)領(lǐng)域的Skywork-OR1-Math-7B更是在AIME24與AIME25測試中分別取得了69.8%和52.3%的準(zhǔn)確率，遠(yuǎn)超許多同類產(chǎn)品。

開源大模型再添猛將！昆侖萬維Skywork-OR1系列震撼發(fā)布，推理能力比肩640B模型！-AI.x社區(qū)

全棧開源：從權(quán)重到數(shù)據(jù)集，徹底透明

昆侖萬維此次的開源策略堪稱"業(yè)界良心"——不同于許多前沿模型僅開放權(quán)重，Skywork-OR1系列實(shí)現(xiàn)了真正的全棧開源：

模型權(quán)重全面開放
訓(xùn)練數(shù)據(jù)集完整公開
全套訓(xùn)練代碼無保留分享

所有資源均已上傳至GitHub和Huggingface平臺(tái)，配套的技術(shù)博客也在Notion平臺(tái)同步發(fā)布，詳細(xì)闡述了數(shù)據(jù)處理流程、訓(xùn)練方法和關(guān)鍵技術(shù)發(fā)現(xiàn)。這種"手把手教學(xué)"式的開源，讓開發(fā)者不僅能直接使用模型，更能理解其內(nèi)在機(jī)制，甚至進(jìn)行二次開發(fā)！

三大模型，各有所長

此次發(fā)布的Skywork-OR1系列包含三款針對性極強(qiáng)的模型：

Skywork-OR1-Math-7B：數(shù)學(xué)專項(xiàng)"學(xué)霸"，在解決復(fù)雜數(shù)學(xué)問題上表現(xiàn)突出，同時(shí)具備不俗的代碼能力
Skywork-OR1-7B-Preview：全能型選手，數(shù)學(xué)與代碼能力兼?zhèn)洌m合多種應(yīng)用場景
Skywork-OR1-32B-Preview：旗艦"大腦"，專為高復(fù)雜度任務(wù)設(shè)計(jì)，推理能力最為強(qiáng)悍

值得注意的是，7B和32B版本目前仍處于Preview階段，官方表示將在兩周內(nèi)發(fā)布正式版本，并配套更為詳盡的技術(shù)報(bào)告。

Model	AIME24 (Avg@32)	AIME25 (Avg@32)	LiveCodeBench (8/1/24-2/1/25) (Avg@4)
DeepSeek-R1-Distill-Qwen-7B	55.5	39.2	37.6
Light-R1-7B-DS	59.1	44.3	39.5
DeepSeek-R1-Distill-Qwen-32B	72.9	59.0	57.2
TinyR1-32B-Preview	78.1	65.3	61.6
QwQ-32B	79.5	65.3	61.6
DeepSeek-R1	79.8	70.0	65.9
Skywork-OR1-Math-7B	69.8	52.3	43.6
Skywork-OR1-7B-Preview	63.6	45.8	43.9
Skywork-OR1-32B-Preview	79.7	69.0	63.9

訓(xùn)練效率提升50%的秘訣

Skywork-OR1系列的性能飛躍，離不開昆侖萬維在訓(xùn)練策略上的多項(xiàng)創(chuàng)新：

高質(zhì)量數(shù)據(jù)集構(gòu)建：團(tuán)隊(duì)精心篩選了11萬道數(shù)學(xué)題目和13.7k條高質(zhì)量代碼問題，通過人類審閱+LLM自動(dòng)判題雙重機(jī)制確保數(shù)據(jù)質(zhì)量
多階段訓(xùn)練策略：采用GRPO(Group Relative Policy Optimization)等先進(jìn)方法，動(dòng)態(tài)剔除低質(zhì)量樣本，使訓(xùn)練效率提升50%
動(dòng)態(tài)數(shù)據(jù)過濾：通過驗(yàn)證性、正確性和挑戰(zhàn)性三重標(biāo)準(zhǔn)嚴(yán)格篩選訓(xùn)練數(shù)據(jù)

這些技術(shù)創(chuàng)新不僅縮短了訓(xùn)練時(shí)間，更顯著提升了模型在復(fù)雜推理任務(wù)中的表現(xiàn)。