DeepSeek-R1是一款强大的中文推理大模型，拥有出色的性能表现，参数量达到惊人的程度，该模型具有广泛的应用场景，包括自然语言处理、智能问答、文本生成等，值得一提的是，DeepSeek-R1还提供免费使用服务，为开发者提供了极大的便利，这款模型的出现将极大地推动中文自然语言处理技术的发展和应用。

千亿参数内最强推理大模型，刚刚易主了。

32B——DeepSeek-R1的1/20参数量；免费商用；全面开源——模型权重、训练数据集和完整训练代码，都开源了。

这就是刚刚亮相的Skywork-OR1 (Open Reasoner 1)系列模型——

通用32B尺寸（Skywork-OR1-32B）完全超越同规模阿里QwQ-32B；代码生成媲美DeepSeek-R1，但性价比更高。

△Skywork-OR1-32B-Preview

数学推理方面：7B、32B都达到同规模最优，数学专项模型（Skywork-OR1-Math-7B）表现更突出。

Skywork，天工是也，来自AIGC巨头玩家昆仑万维。

Skywork-OR1系列模型现已全面开源，模型权重、训练数据集和完整训练代码，所有资源均已上传至GitHub和Huggingface平台。配套的技术博客已发布于Notion平台，详细阐述了数据处理流程、训练方法和关键技术发现，为社区提供了完全可复现的实践参考。

Skywork-OR1系列开源地址：https://github.com/SkyworkAI/Skywork-OR1（包含模型，代码，数据）

昆仑万维天工团队更多开源项目：https://huggingface.co/Skywork

目前Skywork-OR1-7B和Skywork-OR1-32B的能力还在持续提升，在两周内会发布两个模型的正式版本，同时也会推出更为系统详尽的技术报告，分享推理模型训练中的经验与洞察。

3款模型全量开源

Skywork-OR1 (Open Reasoner 1) 系列开源共有3款模型：

Skywork-OR1-Math-7B：专注数学领域的专项模型，同时也具有较强的代码能力。

Skywork-OR1-7B-Preview：融合数学与代码能力，兼顾通用与专业性。

Skywork-OR1-32B-Preview：面向高复杂度任务、具备更强推理能力的旗舰版本。

团队对比了Skywork-OR1系列在AIME24、AIME25、LiveCodeBench上的表现。

AIME24/25是美国数学邀请赛基准测试，LiveCodeBench主要评估大语言模型代码生成和编程能力。

在评测方面，Skywork-OR1系列模型引入avg@k作为核心评估指标，用于衡量模型在进行k次尝试时成功解决问题的平均表现。

传统的pass@k指标仅关注“至少一次成功”，相对而言avg@k更关注模型的稳定性和整体推理能力，为模型实际落地提供更全面真实的参考。

在数学方面，通用模型Skywork-OR1-7B-Preview和Skywork-OR1-32B-Preview在AIME24与AIME25数据集上均实现了同参数规模下最优表现，32B整体表现基本与DeepSeek-R1齐平。

编程方面，通用模型Skywork-OR1-7B-Preview与Skywork-OR1-32B-Preview在LiveCodeBench上均取得了同等参数规模下的最优性能。

整体而言，Skywork-OR1-32B-Preview甚至与DeepSeek-R1的差距非常微小。要知道后者的参数规模是前者的20倍，这意味着Skywork-OR1能带来更具性价比的性能表现。

由此综合来看，Skywork-OR1-32B-Preview成为当前同规模最强中文推理模型，也是现役支持免费商用的模型中最强且最具性价比的成员之一。

此外，数学专项模型Skywork-OR1-Math-7B在AIME24/25的表现远超当前主流7B级模型，甚至接近蒸馏版Deepseek-32B模型同等水平（DeepSeek-R1-Distill-Qwen-32B）。

如下为该模型在AIME24上的训练准确率曲线。

最终模型在AIME24和AIME25上分别达到69.8%和52.3%，超越了OpenAI-o3-mini (low)，达到了当前尺寸SOTA性能。与此同时，该专项模型在代码领域也表现出了较好的泛化性（训练后，Livecodebench从37.6%提升到43.6%）。

△OpenAI-o3-mini(low)的AIME24分数来自官网，AIME25分数来自评测网站https://matharena.ai/

去年11月，昆仑万维发布国内首款中文复杂推理模型Skywork-o1，Skywork-OR1系列模型正是在此基础上迭代而来。

不同于简单复刻OpenAI o1模型，Skywork-o1内生出了思考、计划、反思等能力。它共包括三款模型Skywork-o1-Open、SI’m kywork-o1-Lite和Skywork-o1-Preview，分别适用于不同的应用场景，可以满足开源到高性能推理的多样化需求。

Skywork-OR1系列站在Skywork-o1的肩膀上有了更强基座，但想要如此强大，也离不开一系列先进技术加持。

背后秘诀：AGI技术洞藏，训练效率提升50%

Skywork-OR1在数据处理、训练策略等方面都做了进一步创新。

首先在数据方面。

为提升模型在数学和代码方面能力，Skywork-OR1构建了一个高质量数学和代码数据集。

团队设计了三个标准进行数据筛选：可验证性（Verifiable）、正确性（Correct）与挑战性（Challenging），剔除无法自动验证的证明类题目、有误题目、和缺少unit test的代码问题。

数学领域共计收集11万道题目，主要依赖NuminaMath-1.5（含约89.6万题），选用如AIME和Olympiads等较难子集，并补充了如DeepScaleR、Omni-MATH、AIME 1983-2023难题来源。

代码领域收集了13.7k条高质量代码问题，主要以LeetCode和TACO数据为主，保留了单元测试完整、验证通过的问题，并进行向量级语义去重。

在数据过滤部分，团队对每道题进行了多轮采样并验证答案，以避免“全对”或“全错”现象对策略学习无效——模型生成全部错误，无法提供有效的学习信号；“全对”意味着模型已完全掌握，继续学习会浪费计算资源。

并通过人类审核结合LLM自动判题机制，对语义不清、信息不全、格式错误或含有无关内容的项目进行清理。使用LLM-as-a-Judge剔除掉约1-2K道质量不达标的数学题。

其次在强化学习部分，Skywork-OR1使用GRPO（Group Relative Policy Optimization）进行训练，并引入一系列优化策略。

在训练时数据优化上，一方面采用双重过滤策略：

离线过滤：训练前使用待训练模型评估数据，剔除正确率为0或1的样本；在线过滤：每个epoch动态移除上一轮已完全掌握的数据，确保模型持续面对有挑战性的内容。

另一方面使用拒绝采样（Rejection Sampling）进行更精细的实时筛选，在每个训练步骤中动态剔除当前训练步中采样正确率为0或1的样本。这样可以维持policy loss、entropy loss和KL loss的合理比例，防止非policy loss比重异常增加导致的训练不稳定。

在训练Pipeline优化上主要做了两方面的探索。

（1）多阶段训练（Multi Stage Training）：

从小窗口开始，逐步增加上下文长度(seq_len)，可以促使模型在有限token内高效完成任务；随后逐步扩展窗口大小，迭代增加生成长度，使模型逐渐掌握更复杂的长链思维能力。实验证明，多阶段训练能显著缩短训练时间，同时完全保持模型的长度扩展能力。

（2）截断优势掩码（Truncated Advantage Mask）：

在多阶段训练初期，由于上下文窗口限制，复杂问题的回答可能被截断。因此团队研究了两种处理窗口限制下截断样本的策略Adv-Mask Before（计算优势前排除截断样本）和Adv-Mask After（计算后将截断样本优势置零）。证明即使不屏蔽截断样本，模型也能有效适应并迅速提升性能，也证明多阶段训练框架的鲁棒性。

此外，在强化学习训练中还要保障模型的探索能力。

团队进行了三方面探索。

第一，高温度采样。采用τ=1.0（高于常见的0.6）维持更高群组内多样性，既保证足够正确样本提供学习信号，又允许模型探索更广泛解决路径。

第二，提升内在训练多样性。通过精细数据过滤、增加批量大小和减少数据重复使用，可以从源头上防止模型过早优化到单一输出方向，同时也保持较高熵值，避免局部最优。

第三，自适应熵控制。只有在熵值低于阈值时才提供熵增加鼓励，设定目标熵值并动态调整损失系数，同时最小化对正常训练轨迹的干扰。

最后在保障强化学习训练的稳定性，团队对损失函数进行优化。

第一，移除KL损失。研究中发现即使基于高质量SFT模型训练，KL损失仍限制性能提升。因此，除特定阶段外，团队在所有公开发布的Skywork-OR1系列模型中均未使用KL损失项，这使模型能够更充分地探索和优化推理能力。

第二，token级策略损失。移除了策略损失中的长度归一化项，并将损失在训练批次内的所有token上进行平均，以提升优化过程的一致性与稳定性。

（更多技术细节和实验对比可以参照技术博客https://capricious-hydrogen-41c.notion.site/Skywork-Open-Reaonser-Series-1d0bc9ae823a80459b46c149e4f51680，或继续关注后续发布的技术报告。）

在此训练策略下，Skywork-OR1-7B和Skywork-OR1-32B-Preview通用推理模型仍处于持续提升状态，本次开源是当前训练过程中性能最佳的checkpoint。

预计两周后，具备更全面能力提升及更强大推理能力的Skywork-OR1正式版本将与大家见面，同样全面开源。

Hugging Face单月下载量超7万

自2023年以来，在全面拥抱AIGC后，昆仑万维一直坚持开源，推动技术平权。代表性动作包括：

2023年：开源百亿级大语言模型Skywork-13B系列及600GB高质量数据集。2024年：陆续开源数字智能体研发工具包AgentStudio、4000亿参数MoE超级模型、Skywork-MoE、 Skywork-RM/PRM，Skywork-o1。

今年以来，开源的频率变得更高。第一季度开源动作包括：

面向AI短剧生成的视频生成模型SkyReels-V1：下载量周榜前十R1V视觉思维链推理模型：单月下载8.75kSkywork-OR1新系列：长思维链推理模型。

不难发现，昆仑万维开源全面且彻底，同时兼顾产业需求。

一方面，它的基础模型布局非常全面，覆盖AIGC全领域，文生文、文生视频、文生音乐等。

另一方面，这些模型从底层设计上即考虑了实际落地的需求。提供更高性价比、更节省算力，如SkyReels-V1则是看到了垂直领域的落地前景，模型下载量迅速增长也验证了这一市场需求。

最关键的是，这些模型的开源程度也相当彻底，十分利于开发者使用。

在Hugging Face上，昆仑万维开源模型的下载量相当可观，累计上月下载量超过7万。

△部分展示

如今，底层模型竞争日趋白热化，全球AI领域正以惊人的速度迭代演进，几乎每个月都有值得关注的模型发布，这种创新密度前所未有。

作为国内最早All in AIGC赛道的先行者之一，昆仑万维自2023年起便构建了全方位的前沿布局：从基础大模型到垂直应用，从技术研发到生态建设。尤其值得注意的是，昆仑万维持续为开发者社区提供高质量的模型和工具链，这种坚持普惠的技术理念也为其提供了独特竞争力。

当前，开源生态正展现出前所未有的活力。

这些开源创新正快速渗透到互联网、制造业、医疗、教育等领域，推动着AI技术真正实现规模化落地。在这一进程中，以昆仑万维为代表的开源践行者的每一步探索，都将深刻影响AI产业的发展轨迹。

据说Skywork-OR1正式版，也已经快马加鞭，即将对外发布。

Skywork开源系列（2025）传送门：

1、中文推理模型Skywork-OR1：

https://github.com/SkyworkAI/Skywork-o1

2、视觉思维链推理模型Skywork-R1V：

https://github.com/SkyworkAI/Skywork-R1V

3、AI短剧生成模型SkyReels-V1：

https://github.com/SkyworkAI/SkyReels-V1