200B参数击败满血DeepSeek-R1，字节豆包推理模型Seed-Thinking-v1.5要来了
原文中文，约4400字，阅读约需11分钟。
📝
内容提要
字节跳动推出了新推理模型Seed-Thinking-v1.5，参数总量200B，激活20B，性能超越671B的DeepSeek-R1。该模型在多个基准测试中表现优异，特别是在STEM领域和编程任务中展现出强大的推理能力。团队还开发了新的评估基准，未来将向公众开放。
🔎
延伸解读
模型性能的实际应用
Seed-Thinking-v1.5在STEM领域和编程任务中的优异表现，意味着它在教育和技术行业的应用潜力巨大。尤其是在数学推理和竞赛编程方面的高分，可能会吸引更多教育机构和企业采用该模型来提升学习和开发效率。
强化学习的创新方法
该模型在强化学习训练中引入了VAPO和DAPO框架，解决了传统方法的不稳定性。这一创新不仅提升了模型的训练效果，也为未来的推理模型开发提供了新的思路，值得关注其在其他领域的应用潜力。
基准测试的开放性
字节跳动计划将BeyondAIME和Codeforces基准测试向公众开放，这将促进研究者和开发者对推理模型的进一步探索与应用。开放基准测试有助于推动整个行业的进步，提升模型的透明度和可验证性。
❓
Q&A
Seed-Thinking-v1.5模型的参数配置是什么？
Seed-Thinking-v1.5模型总参数为200B，实际激活参数为20B。
Seed-Thinking-v1.5在STEM领域的表现如何？
Seed-Thinking-v1.5在STEM领域表现优异，在AIME 2024测试中获得86.7分。
该模型与DeepSeek-R1相比有什么优势？
Seed-Thinking-v1.5在多个基准测试中超越DeepSeek-R1，特别是在非推理任务中胜率高出8%。
Seed-Thinking-v1.5的训练框架是怎样的？
Seed-Thinking-v1.5的训练框架基于HybridFlow编程抽象构建，支持高效的分布式训练。
团队为提高模型性能采取了哪些关键措施？
团队在数据、强化学习算法和基础设施方面进行了创新，以提升模型性能。
Seed-Thinking-v1.5的评估基准有哪些？
团队开发了BeyondAIME和Codeforces两个内部基准测试，未来将向公众开放。
🏷️
