／arXiv:2501.19393

研究团队也比较了s1-32B和DeepSeek r1和o1，测试结果并不如后二者。但研究团队解释，这是因为DeepSeek r1和o1都使用了大量数据进行强化学习，而s1-32B则仅使用1,000个精选数据进行微调，因此仍是最具样本效率的模型。

本模型已开源于GitHub上。

大学研究人员不断在以更低成本训练高性能AI模型。今年初柏克莱大学研究团队也用了约450美元来训练性能近似o1-preview的模型。