新的开源AI模型与DeepSeek的表现相媲美 - 培训数据少得多

一支来自领先的学术机构和科技公司的国际研究人员团队在周三的AI推理景观上颠覆了中国最复杂的AI系统：DeepSeek的新模型，并有时超过了。

Openthinker-32b，由开放的想法财团在Math500基准中获得了90.6％的精度得分，超过了DeepSeek的89.4％。

该模型还表现出对一般问题解决任务的深度表现，与DeepSeek的57.6相比，在GPQA钻石基准中得分为61.6。在LCBV2基准测试中，它达到了68.9的稳定，在各种测试方案中表现出强劲的性能。

换句话说，它比一般科学知识（GPQA-Diamond）的类似大小的DeepSeek R1版本要好。它在AIME基准测试时也击败了Math500的DeepSeek，两者都试图衡量数学水平。

它在编码方面也比DeepSeek差一些，得分为68.9分与71.2，但是由于该模型是开源的，因此，一旦人们开始进步，所有这些分数就会大大变得更好。

这项成就与众不同的是它的效率：Openthinker仅需要114,000个培训示例才能达到这些结果，而DeepSeek则使用了80万。

这Openhouthts-114k数据集包含每个问题的详细元数据：地面真相解决方案，用于代码问题的测试用例，需要的启动器代码以及特定于域的信息。

其自定义策展人框架验证了针对测试用例的代码解决方案，而AI法官处理了数学验证。

该团队报告说，它使用了配备了八个H100 GPU的四个节点，大约在90小时内完成。一个单独的数据集，带有137,000个未经验证的样品在意大利的莱昂纳多超级计算机上接受培训，在短短30小时内烧毁了11,520 A100小时。

团队在文档中指出：“验证可维持质量，同时扩大培训提示的多样性和规模。”研究表明，即使未验证的版本也表现良好，尽管它们与经过验证的模型的峰值结果不符。

该模型建立在阿里巴巴的QWEN2.5-32B-INSTRUCT LLM之上，并支持一个适度的16,000个to语上下文窗口 - 可以处理复杂的数学证明和冗长的编码问题，但要比当前标准少得多。

该版本在AI推理能力的加剧竞争中到来，这似乎以思维速度发生。 Openai宣布2月12日，GPT-5之后的所有模型都将具有推理功能。一天后，埃隆·马斯克（Elon Musk）大肆宣传Xai的Grok-3增强了解决问题的能力，保证这将是迄今为止最好的推理模式，而仅在几个小时前，NOUS Research发布了另一种开源推理模型，深色，基于Meta的Llama 3.1。

在DeepSeek表现出与Openai的O1相当的表现之后，该领域获得了动力以大幅降低成本。 DeepSeek R1可以免费下载，使用和修改，并揭示了培训技术。

但是，与决定开放所有内容的开放思想不同，DeepSeek开发团队将其培训数据私有。

此关键差异意味着开发人员可能会比DeepSeek更容易理解Openthinker并从头开始复制其结果，因为他们可以访问所有难题。

对于更广泛的AI社区，该版本再次证明了建立竞争模型而没有大量专有数据集的可行性。同样，对于仍然不确定使用中国模型的西方开发人员而言，这可能是一个更值得信赖的竞争对手。

Openthinker可下载拥抱面。一个较小，功能较小的爱Pemter模型也可用于低端设备。

开放思想的团队将来自美国不同大学的研究人员与德国的Juelich SuperComputing Center一起汇集了包括斯坦福大学，伯克利和加州大学洛杉矶分校在内的研究人员。总部位于美国的丰田研究所和欧盟AI场景中的其他参与者也支持它。

编辑乔什·奎特纳（Josh Quittner）和塞巴斯蒂安·辛克莱（Sebastian Sinclair）