一则新闻

今天猛然看到一则新闻标题，大意是李飞飞团队仅用 50 美金就复刻出了一个媲美 R1 的模型。我的第一反应是「不可能，又是什么标题党」；第二反应是「数据应该不是凭空捏造的，索性求证一下？」

然后，我找到了原始论文《s1: Simple test-time scaling》（https://arxiv.org/pdf/2501.19393）。仔细拜读之后发现，某种程度上来说，这则新闻居然是对的？！虽然非常地断章取义（故意隐去了很多背景条件）。

在我看来，这件事更准确、更靠近真相的表达是：李飞飞团队找到了一种新方法，让普通模型进化为推理模型。

另一种尝试

我在上一篇文章里写道，CloseAI 在 2024 年指明了未来的发展方向：增加思考时间以换取更多智能。但它没透露任何实现细节，由此，整个大模型行业开始苦苦寻找 o1 背后的奥秘。

DeepSeek 找到的是：让模型自己学会多思考。

李飞飞团队找到的是：如何强制让模型多思考。

打个比方，DeepSeek 让学生通过大量训练提高了自己的能力，之后做题的时候，自然而然就会多想一想（够学霸）。李飞飞团队则是让一个学生在做题的时候，强迫自己多审题多反思，不要着急给答案（够认真）。

其实，这两种方法还可以结合。而且，很多人猜测 o1 就是结合了这两种方法，训练时先提高自己的推理能力，推理时再强迫自己多想一想。

（图表显示了在其方法下，随着思考时间的线性增加，模型性能的提升。）

50 美元的来源

说回我看到的那则新闻。

整个标题最吸睛的就是 50 美元这个金额（与动辄数百万、数千万美元的花费相比，这个金额实在低到夸张）。但是，通读整篇论文，我都没看到这个数字。

原来，50 美元是由论文中提到的「仅需要 16 个 H100 GPU 训练 26 分钟」计算出来的，H100 的租金是 3 美元/时，所以 3*16 = 48（按一小时起租）。

这也是整则新闻对事实最严重的曲解。说训练这个模型仅花费 50 美元，就如同说在餐厅点了一盘龙虾，然后声称这道菜的制作成本仅为烹饪时消耗掉的燃气。

但是，话又说回来。虽然 50 美元不是模型完整的训练成本，但作为 GPU 消耗成本，这个金额之低，依然值得惊叹！

在技术视角下，这个数据讲述了这样一个故事：李飞飞团队只用1000条精选数据对Qwen2.5-32B进行微调，就将模型能力提高了几倍。

（图表展示了数据类型、不同模型的训练数据量及其性能比较）

那李飞飞团队是怎么做到的呢？

激活潜能

DeepSeek 在研究 R1 的过程中发现，小模型经过强化学习训练的效果并不好，远不如直接使用大推理模型的数据进行微调。

相似的，李飞飞团队第一步也是先微调了一个新的模型——s1-32B，其微调数据集由「人工挑选问题搭配 Gemini-2.0-Flash-Thinking 生成的过程」组成，然后在 Qwen2.5-32B 上进行监督微调（SFT）。

在这个过程中，团队有一些新的发现：只用 1,000 条精选的高质量数据微调，与用 59,000 条高质量数据微调，效果居然差不多。

至于原因，他们解释道：执行推理的能力已经存在于我们的模型之中，高效的样本微调阶段只是激活了它。也就是说，小样本微调并不是让模型学习如何思考，而是模型本来就会，它只需要一些引导。

“Wait”

只激活推理能力是不够的，此时的模型在输出时还不会主动思考。第二步的工程发明才是整个论文的重点，即 Budget forcing（BF），中文翻译过来就是强制预算，在输出时强制让模型进入思考。

这个方法的原理也特别简单：在模型输出阶段，先设定一个「时间范围」，如果模型没到时间就停止思考了，就强制让模型再想一想，直至达到设定时间；如果模型超过了设定时间还在思考，就强制让模型停止思考。

此处的时间并非实际的时间，而是输出的 token 数量，为了便于理解而加以类比。

（让模型再想想的最佳指令也很简单，就是“Wait”）

听起来是不是很熟悉？以前考试，老师都嘱咐别提前交卷，有时间多检查几遍，到时间了立马停笔交卷。这都是同样的道理。

四个推断

1,000 条精选数据微调+强制预算，这套组合拳直接让 Qwen2.5-32B 模型跑分超越了 o1-preview。所以，李飞飞团队的发现，还是很有价值的：第一大大降低了训练数据的要求，第二强制预算这个方法也非常容易实现。

（s1-32B 跑分超越 o1-preview，但离 r1-distill 仍有差距）

更本质上的阐述是：DeepSeek 的发现侧重于训练时增强模型的推理能力，李飞飞团队的发现侧重于推理时控制模型的思考时间。

由此我大胆推断一下：

此方法针对更大的普通模型应该也有效，例如 DeepSeek-v3
更大的推理模型，也可以通过强制预算的方法来提高模型能力，例如 DeepSeek-r1
专业领域的推理小模型，训练会变得简单，「少量精选数据 + 强制预算」即可
大模型通过强化学习+推理越来越强，小模型通过蒸馏 + 推理越来越强

一些感想

论文关于「如何精选数据」「为什么没使用并行思考而是串行思考」等等，有着非常详细的讲解，而且都很有意思。但和主体关系不大，我就没在本文详细阐述，推荐有兴趣的话可以查看原论文（https://arxiv.org/pdf/2501.19393）。

如此有价值的论文，在媒体的包装下，给读者留下「哗众取宠」的感受和印象，不得不说是一种遗憾。

而我再经历了「鄙视->怀疑->求证->认可」这四个阶段后，再回头看这个标题：《李飞飞团队训练出媲美 DeepSeek R1 的推理模型，云计算费用不到 50 美元》

信息无可指摘，只是存在巨大的误导。但是，让人误以为「只需要 50 美元就可以复刻出 DeepSeek R1」，又怪不到作者头上。不懂的人觉得厉害，懂的人觉得在乱吹。在这种混乱下，一不小心，读者可能就错过了背后真正有价值的信息。

现在的 AI 早已不再只是科技行业内的话题，随着 DeepSeek 的爆火，AI 已经成为所有人的狂欢。但其实，AI是一个知识门槛很高、信息差巨大的行业，只有很少部分人才能看明白背后的本质。希望从业者可以更多地科普原理，带领普通人更加理性地看待 AI，而不是为了一时的流量走到真相的反面。

原论文：https://arxiv.org/pdf/2501.19393

如何在 302.AI 快速对比不同模型的表现

使用 302.AI 的模型竞技场能以直观且简洁的方式对比各模型的性能表现，且无需任何复杂的操作步骤。模型竞技场汇集了 302.AI 的所有模型，用户只需在左侧选择所需的模型并输入问题，即可同时获得所选模型的回答。

在302.AI中可通过多种方式进入模型竞技场，以下是常用的一些方式：

（1）可依次点击：使用工具→工具超市→工作效率→模型竞技场；

（2）也可点击使用机器人→聊天机器人，在聊天机器界面进入模型竞技场。