斯坦福聯手華大造出 s1：成本不到 50 美元的開源推理模型

s1 是斯坦福大學與華盛頓大學研究人員開源的一款輕量級推理模型，目標是用極低成本複製類似 OpenAI o1 和 DeepSeek-R1 的複雜推理與長思維鏈能力。

在數學和程式設計能力的基準測試中，s1 拿出了與頂尖推理模型相近的水平。整個專案最大的看點在於極致的價效比：訓練它只花了不到 50 美元的雲端算力，相關程式碼、訓練資料和模型權重已全部在 GitHub 上公開。

它是怎麼做到的

s1 沒有采用 DeepSeek-R1 那樣昂貴的大規模強化學習，而是選了一條極簡路線：小規模監督微調（SFT）加模型蒸餾。

研究團隊選擇阿里巴巴開源的 Qwen 小模型作為底座，然後從 Google 開放的 Gemini 2.0 Flash Thinking Experimental 中提取推理資料。他們沒有盲目堆砌資料量，而是極其剋制地只篩選了 1,000 道高質量題目，並完整收錄了 Gemini 在給出答案前的具體思考步驟。

算力消耗方面，團隊使用 16 張輝達 H100 顯示卡，不到 30 分鐘就完成了全部微調。參與該專案的斯坦福研究員 Niklas Muennighoff 表示，如果放在今天去租用對應算力，花費甚至可以壓縮到大約 20 美元。

為了讓小模型在解題時學會反覆推敲，團隊還用了一個非常聰明的技巧。他們在模型的推理過程中硬塞入了一個單詞「wait」，強行拉長模型的思考時間、誘導它進行二次核對，最終成功換來了更高的答題準確率。

怎麼上手與使用限制

如果你想自己動手部署或復現，專案的程式碼、用於微調的 1,000 條資料集以及模型本身都可以在 GitHub 上直接獲取。因為基於引數量不大的 Qwen 底座，個人開發者使用常規算力就能跑起來。

不過在嘗試商業化落地時需要格外謹慎。該模型的資料直接來自 Google 的 Gemini 實驗版本，而 Google 的服務條款明確禁止抓取模型輸出去製造競品。此外，蒸餾方案的本質是模仿先驗智慧，s1 能把現有的推理邏輯學得很像，但無法憑空誕生出超越源頭模型的全新智慧。

為什麼重要

對於個人開發者和中小研究團隊來說，s1 證明了推理模型不一定非得依賴巨頭專屬的數百萬美元軍備競賽。只要底座模型過關，配上一千條精挑細選的高質量思維鏈，兩杯咖啡的錢就能微調出一個解題高手。

這篇研究很可能會改變接下來端側小模型的開發範式。它讓大廠意識到，耗費巨資訓練出的前沿模型很容易被低成本截流。未來閉源大模型對 API 和免費測試介面的防蒸餾限制，恐怕會變得更加嚴苛。