AI导读：

s1-32B模型以不到50美元的成本，利用16张英伟达H100 GPU，成功研发出，在数学及编码能力测试中与Deepseek的R1模型等表现不相上下，成为科技界热议话题。本文探讨其真实成本、性能及背后技术细节。

2月6日，据外媒最新报道，斯坦福大学与华盛顿大学的科研团队，在李飞飞等杰出研究者的带领下，以惊人的低成本——不到50美元，利用16张英伟达H100 GPU，仅耗时26分钟，就成功研发出了一款名为s1-32B的人工智能推理模型。这一成果再次刷新了AI界对于成本与效率的认知。

李飞飞团队在论文《s1: Simple test-time scaling》中详细阐述了该模型的性能。据研究显示，s1-32B在数学及编码能力测试中，与业界领先的OpenAI的o1模型和DeepSeek的R1模型相比，表现毫不逊色，甚至在某些竞赛数学问题上的表现优于o1-preview达27%。这一突破性进展，使得s1-32B模型成为了继DeepSeek之后，又一个在科技界掀起波澜的“性价比之王”。

然而，关于s1-32B模型的真实成本及其性能表现，业内也存在不少疑问。复旦大学计算机学院的副教授郑骁庆在接受采访时指出，像DeepSeek这样的公司在探索高效整合方案时，往往需要大量的前期研究与消融实验，这意味着高昂的初期投入。因此，s1-32B模型所宣称的50美元成本，可能并未涵盖所有相关的研发与实验费用。

针对成本问题，参与该项目的斯坦福大学研究员尼克拉斯·穆宁霍夫表示，如今只需约20美元就能租到所需的计算资源。但值得注意的是，s1-32B模型的打造并非从零开始，而是基于阿里通义千问Qwen2.5-32B-Instruct模型进行了监督微调。因此，微调模型与全新训练模型的成本差异显著。

此外，关于s1-32B模型是否真正超越了OpenAI的o1和DeepSeek-R1，也引发了业内的广泛讨论。虽然李飞飞团队的研究结果显示，s1-32B在某些测试集上的表现优于o1-preview，但并未超过“满血版”的o1和DeepSeek-R1。这一发现揭示了AI模型性能比较的复杂性，也提醒我们在评估模型时需谨慎对待各种测试结果。

除了成本与性能问题外，李飞飞团队的研究还聚焦于测试时拓展（test-time scaling）技术。该技术通过在模型推理阶段进行多步推理来提高性能。通过预算强制策略，研究团队成功控制了模型的思考时间和操作步数，从而实现了推理结果的逐步优化。这一技术的突破，为提升AI模型性能提供了新的思路。

同时，李飞飞团队还构建了一个高质量的数据集s1K，该数据集包含59029道高质量题目，覆盖50个领域。通过严格的筛选和验证，研究团队最终得到了包含1000个样本的s1K数据集。这一数据集的构建，不仅为s1-32B模型的训练提供了有力支持，也展示了高质量数据在AI模型研发中的重要性。

综上所述，s1-32B模型的诞生不仅再次证明了低成本高效能在AI领域的可行性，也为未来AI模型的发展提供了新的方向。然而，关于其真实成本、性能表现以及技术细节的讨论仍将继续，期待未来能有更多关于s1-32B模型的深入研究与应用。

图片来源：论文《s1: Simple test-time scaling》

图片来源：X

图片来源：论文《s1: Simple test-time scaling》

图片来源：论文《s1: Simple test-time scaling》

图片来源：论文《s1: Simple test-time scaling》