這是階躍星辰 Step 系列模型家族的首個推理模型。

原標題：剛剛，階躍星辰發布Step R-mini！推理模型從此不再文理偏科
文章來源：機器之心
內容字數：4404字

國產推理大模型Step Reasoner mini強勢來襲

國產大模型“六小虎”成員階躍星辰發布了其首個推理模型Step Reasoner mini（Step R-mini），在多個基準測試中達到SOTA水平，甚至超越了OpenAI的o1-mini模型。該模型具備強大的超長推理能力，能夠解決邏輯推理、代碼、數學等復雜問題，同時也能勝任文學創作等通用任務，實現“文理兼修”。

1. Step R-mini 的核心能力與優勢

Step R-mini 通過在推理階段增加計算量，結合思維鏈等技術，實現了“慢思考”，能夠主動規劃、嘗試和反思，最終提供準確可靠的回復。其強大的推理能力源于高比例的強化學習（RL）訓練，以及在數據質量、測試時計算、模型大小等方面的全面Scaling，充分驗證了Scaling Law的有效性。 它在AIME 2024和Math500數學基準測試中均達到SOTA水平，在LiveCodeBench代碼任務上也超過了o1-preview。

2. “文理兼修”的體現

Step R-mini 不僅能出色地完成數學、代碼和邏輯推理等任務，還能進行富有創意的文學創作和日常。例如，它能夠準確解答古詩詞相關的算術問題，并解決復雜的數學題，同時還能進行富有創意的翻譯和中文名生成，展現了其強大的“文理兼修”能力。

3. Step R-mini 的訓練方法

Step R-mini 的訓練采用了大規模強化學習，并使用了On-Policy強化學習算法。階躍星辰在模型訓練過程中堅持Scaling Law原則，包括Scaling強化學習、Scaling數據質量、Scaling Test-Time Compute和Scaling模型大小，從而提升了模型的推理能力。尤其值得一提的是，在測試階段，System 2范式使Step R-mini能夠進行高達50,000規模的思考token，實現了深度思考。

4. 視覺推理模型的未來展望

除了語言推理模型，階躍星辰還在開發視覺推理模型，旨在將推理能力融入更多交互形態的大模型中。該視覺推理模型將通過“慢感知”和空間推理，實現真正的視覺領域推理，而非僅僅基于圖像的文字推理。初步展示的案例表明，該模型能夠解答圖中題目、進行空間推理以及識別圖像中的數字對應關系，展現了其巨大的潛力。

5. 總結

Step Reasoner mini的出現標志著國內大模型在推理能力方面取得了顯著進展。其“文理兼修”的能力和強大的推理能力，為未來大模型的發展提供了新的方向。 階躍星辰在Scaling Law上的堅持和對視覺推理模型的探索，也為大模型技術的持續創新提供了有力支撐。

聯系作者

文章來源：機器之心
作者微信：
作者簡介：專業的人工智能媒體和產業服務平臺