IT之家 4 月 14 日音问体育游戏app平台，IT之家从豆包大模子团队获悉，字节逾越最新想考模子 Seed-Thinking-v1.5 时间细节当天公开，该模子将于 4 月 17 日通偏激山引擎通达接供词用户体验。

该模子在数学、编程、科学推理等专科边界及创意写稿等通用任务中发扬特等，同期，模子聘用 MoE 架构，总参数 200B，激活参数为 20B，具备显耀的推理本钱上风，单元推理本钱比较 DeepSeek R1 镌汰 50%。

时间论述畅达：https://github.com/ ByteDance-Seed / Seed-Thinking-v1.5

模子各方面具体发扬：

专科边界：数学推理（AIME 2024 得分 86.7，追平 OpenAI o3-mini-high）、编程竞赛（Codeforces pass@8 达 55.0%，接近 Gemini 2.5 Pro）、科学推理（GPQA 得分 77.3%，接近 o3-mini-high），均达到或接近业界第一梯队水平。

通用任务：东谈主类评估发扬超 DeepSeek R1 8%，秘密多场景需求。

本钱上风：单元推理本钱比较 DeepSeek R1 镌汰 50%，收尾性能与后果的平衡。

数据体系：和会可考据与创意性数据

针对推理与生成任务的不同需求，团队优化了数据处理政策：

可考据数据（如数学、代码题）：通过百万级数据三重清洗（东谈主工筛选 → 模子过滤 → 多模子考据），保留 10 万谈高难度题目；贪图谜底整数化纠正、离线沙箱考据等机制，确保模子输出竟然推理进程；

非可考据数据（如创意写稿）：基于豆包 1.5 Pro 考验集，剔除廉价值样本，聘用两两对比奖励法，优化生成质地；

全新评测基准：构建了超难数学数据集 BeyondAIME（100 谈无谜底题干题目），惩办现存测试辞别度不及问题。

奖励模子：双轨体系校准考验标的

团队建议双轨奖励机制，兼顾“对错分明”与“见仁见智”任务：

可考据任务：竖立了两代考据器（Seed-Verifier → Seed-Thinking-Verifier），从字符匹配升级为推理门径逐行对比（考验 / 测试集准确率超 99%），阻绝模子“奖励糊弄”；

非可考据任务：引入 pairwise 对比考验，通过千万次“AB 测试”，捕捉东谈主类对创意、心扉等的隐性偏好，幸免“众口难调”；

双轨和会：针对夹杂场景贪图协作机制，硬见地（对错）与软偏好（优劣）互补，支合手全场景考验。

考验步伐：“监督精调 + 强化学习”双阶段优化

Seed-Thinking-v1.5 聘用“打基础 + 磨才调”的全链路考验：

监督精调（SFT）：基于 40 万高质地实例（30 万可考据 +10 万非可考据数据），聚会东谈主工与模子协同筛选，构建长想考链数据集，确保模子“像东谈主类相同想考”；

强化学习（RL）：通过三重数据引擎（可考据 / 通用 / 夹杂数据）、算法革命（价值预考验、解耦 GAE 等）以及在线数据适配时间，惩办考验不踏实、长链推理断层等问题，动态退换数据散播以保合手最好考验情状。

考验框架：支合手 20B MoE 的底层架构

为支吾 20B MoE（总参数 200B）的复杂考验需求，团队优化了底层架构：

HybridFlow 编程模子：支合手算法快速探索与散播式并交运转；

流式推理系统（SRS）：通过“流式推理”时间解耦模子演进与异步推理，将考验速率进步 3 倍，万亿参数下踏实性达 95%；

三层并行架构：聚会张量 / 众人 / 序列并行体育游戏app平台，动态平衡负载，基于 KARP 算法优化 GPU 算力哄骗率。