／arXiv:2501.19393

研究團隊也比較了s1-32B和DeepSeek r1和o1，測試結果並不如後二者。但研究團隊解釋，這是因為DeepSeek r1和o1都使用了大量數據進行強化學習，而s1-32B則僅使用1,000個精選資料進行微調，因此仍是最具樣本效率的模型。

本模型已開源於GitHub上。

大學研究人員不斷在以更低成本訓練高效能AI模型。今年初柏克萊大學研究團隊也用了約450美元來訓練效能近似o1-preview的模型。