360智脑于2025年3月4日开源Light-R1-32B模型，训练成本约1000美元，使用7万条数学数据，AIME24得分76.6，超越DeepSeek-R1-Distill-Qwen-32B。该模型基于Qwen2.5-32B-Instruct，采用SFT+DPO课程学习，推动开源社区发展。