阿里云确认：李飞飞团队 s1 模型基于 Qwen2.5-32B-Instruct 模型训练

李飞飞团队“低成本炼金术”：50美元微调，能否撼动推理模型格局？

你猜怎么着？最近AI圈有个消息挺“炸裂”：李飞飞教授的研究团队，据说只花了**不到50美元**的云计算成本，就训练出了一个名叫s1的AI推理模型。而且，这个“低成本”模型在数学和编码能力的基准测试中，表现竟能与OpenAI的o1、DeepSeek的R1这些顶尖推理模型掰掰手腕。

不过，故事很快有了新进展。这个s1模型随后被指出“并非从零开始炼造”，它的“地基”其实是阿里的通义千问（Qwen）模型。针对这一说法，新浪科技向阿里云进行了核实，而**阿里云方面的确认，让整个技术路径清晰了起来**。

根据阿里云的官方回应，事情的完整脉络是这样的：“研究团队是以开源的阿里通义千问Qwen2.5-32B-Instruct模型为基座，仅仅动用了16块H100 GPU，进行了26分钟的监督微调，便训练出了新模型s1-32B。最终效果呢？不仅在数学和编码能力上追平了OpenAI的o1和DeepSeek的R1这类尖端推理模型，甚至在竞赛数学问题的测试中，比o1-preview的表现还高出27%。”

话说回来，这种“低成本高效果”的秘诀究竟是什么？其实，早前1AI的报道就透露，s1团队的核心手法是**“蒸馏”技术**。简单理解，这就好比让一个学生去学习顶尖学霸的解题思路和步骤，而不仅仅是背诵最终答案。通过训练模型来学习另一个更强大AI模型的思考过程，从而提炼出其核心的“推理”能力。

s1团队发表的论文进一步阐明了这一点：他们证明，可以采用一种叫监督微调（SFT）的方法，**用相对较小的数据集就能完成对推理模型的“蒸馏”**。在SFT过程中，AI模型会被明确要求模仿数据集中特定的思维链行为。这种方法，远比DeepSeek训练其R1模型所采用的大规模强化学习方法要省钱省力得多，成本效益的优势非常明显。

那么，具体是怎么操作的呢？s1模型是基于阿里巴巴旗下通义千问实验室提供的一个现成、免费的小规模AI模型构建的。为了训练s1，**研究人员只精心制作了一个包含1000个问题的小数据集**。这个数据集的宝贵之处在于，它不仅包含了问题及答案，更关键的是，还附带了谷歌Gemini 2.0 Flash Thinking Experimental模型为每个答案所提供的、详细的“思考”过程。正是这些“思维链”，成为了s1学习推理能力的关键养料。