知名華裔美籍科學家李飛飛的研究團隊近日發布，他們成功打造出一個名為「s1-32B」的AI推理模型，該模型的部分能力可媲美openAI-o1及Deepseek-R1。而更令人震驚的是，訓練時間僅26分鐘，基本上只需花20美元、靠16個輝達H100 GPU即可。再度引起業內外人士的熱烈討論。
綜合外媒報導，李飛飛被譽為「AI教母」，這次由她領導的研究團隊所發表的論文指出，s1-32B模型在數學競賽類問題上的表現，甚至超越了OpenAI的o1預覽版，並秀出在MATH和AIME24數據集上的成績，比o1-預覽版高出27%之多。
對此，研究人員表示，s1-32B是基於阿里巴巴的開源模型的Qwen2.5-32B-Instruct，並透過監督式微調（SFT）訓練而成。他們在研究中提出了「預算控制」策略，透過加入「wait指令」等方式，強制延長模型推理過程、思考時間，以此促使模型自我檢查並修正錯誤的推理步驟，提升推理品質。
同時，s1-32B模型可視為 Qwen2.5 和Google的Gemini 2.0 Flash Thinking Experimental結合體。但他們的訓練方式，可能違反了Google的使用條款。研究團隊利用精選的1000個問題和答案，記錄Gemini 2.0 Flash模型的「思考過程」，再用這些資料對Qwen2.5-32B-Instruct進行微調，這或許構成了對Google模型的逆向工程。對此，谷歌尚未做出回應。
另外，復旦大學計算機學院副教授鄭驍慶認為，s1-32B的低成本訓練得益於基於現成的預訓練模型，而非從零開始訓練，「微調一個模型和從零開始訓練一個模型的成本是無法相提並論的。」他也質疑，論文中提到成本是否涵蓋了其他數據、設備和實驗的費用，這些都是非常燒錢的部分。
儘管如此，s1-32B模型仍展現了卓越的樣本效率和推理能力，在特定測試集上明顯優於OpenAI的o1-preview。且Deepseek同樣也被質疑並非從零開始訓練，實際成本也未完全揭露。
