4 月 14 日消息，從豆包大模型團隊獲悉，字節(jié)跳動最新思考模型 Seed-Thinking-v1.5 技術細節(jié)今日公開，該模型將于 4 月 17 日通過火山引擎開放接口供用戶體驗。

該模型在數(shù)學、編程、科學推理等專業(yè)領域及創(chuàng)意寫作等通用任務中表現(xiàn)突出，同時，模型采用 MoE 架構，總參數(shù) 200B，激活參數(shù)為 20B，具備顯著的推理成本優(yōu)勢，單位推理成本相比 DeepSeek R1 降低 50%。

技術報告鏈接：https://github.com/ByteDance-Seed / Seed-Thinking-v1.5

模型各方面具體表現(xiàn)：

專業(yè)領域：數(shù)學推理（AIME 2024 得分 86.7，追平 OpenAI o3-mini-high）、編程競賽（Codeforces pass@8 達 55.0%，接近 Gemini 2.5 Pro）、科學推理（GPQA 得分 77.3%，接近 o3-mini-high），均達到或接近業(yè)界第一梯隊水平。

通用任務：人類評估表現(xiàn)超 DeepSeek R1 8%，覆蓋多場景需求。

成本優(yōu)勢：單位推理成本相比 DeepSeek R1 降低 50%，實現(xiàn)性能與效率的平衡。

數(shù)據(jù)體系：融合可驗證與創(chuàng)意性數(shù)據(jù)

針對推理與生成任務的不同需求，團隊優(yōu)化了數(shù)據(jù)處理策略：

可驗證數(shù)據(jù)（如數(shù)學、代碼題）：通過百萬級數(shù)據(jù)三重清洗（人工篩選 → 模型過濾 → 多模型驗證），保留 10 萬道高難度題目；設計答案整數(shù)化改造、離線沙箱驗證等機制，確保模型輸出真實推理過程；

非可驗證數(shù)據(jù)（如創(chuàng)意寫作）：基于豆包 1.5 Pro 訓練集，剔除低價值樣本，采用兩兩對比獎勵法，優(yōu)化生成質量；

全新評測基準：構建了超難數(shù)學數(shù)據(jù)集 BeyondAIME（100 道無答案題干題目），解決現(xiàn)有測試區(qū)分度不足問題。

獎勵模型：雙軌體系校準訓練方向

團隊提出雙軌獎勵機制，兼顧“對錯分明”與“見仁見智”任務：

可驗證任務：開發(fā)了兩代驗證器（Seed-Verifier → Seed-Thinking-Verifier），從字符匹配升級為推理步驟逐行對比（訓練 / 測試集準確率超 99%），杜絕模型“獎勵欺騙”；

非可驗證任務：引入 pairwise 對比訓練，通過千萬次“AB 測試”，捕捉人類對創(chuàng)意、情感等的隱性偏好，避免“眾口難調”；

雙軌融合：針對混合場景設計協(xié)調機制，硬指標（對錯）與軟偏好（優(yōu)劣）互補，支撐全場景訓練。

訓練方法：“監(jiān)督精調 + 強化學習”雙階段優(yōu)化

Seed-Thinking-v1.5 采用“打基礎 + 磨能力”的全鏈路訓練：

監(jiān)督精調（SFT）：基于 40 萬高質量實例（30 萬可驗證 +10 萬非可驗證數(shù)據(jù)），結合人工與模型協(xié)同篩選，構建長思考鏈數(shù)據(jù)集，確保模型“像人類一樣思考”；

強化學習（RL）：通過三重數(shù)據(jù)引擎（可驗證 / 通用 / 混合數(shù)據(jù)）、算法創(chuàng)新（價值預訓練、解耦 GAE 等）以及在線數(shù)據(jù)適配技術，解決訓練不穩(wěn)定、長鏈推理斷層等問題，動態(tài)調整數(shù)據(jù)分布以保持最佳訓練狀態(tài)。

訓練框架：支撐 20B MoE 的底層架構

為應對 20B MoE（總參數(shù) 200B）的復雜訓練需求，團隊優(yōu)化了底層架構：

HybridFlow 編程模型：支持算法快速探索與分布式并行運行；

流式推理系統(tǒng)（SRS）：通過“流式推理”技術解耦模型演進與異步推理，將訓練速度提升 3 倍，萬億參數(shù)下穩(wěn)定性達 95%；

三層并行架構：結合張量 / 專家 / 序列并行，動態(tài)均衡負載，基于 KARP 算法優(yōu)化 GPU 算力利用率。