今天分享的是：字节跳动：2025年思考模型Seed-Thinking-v1.5技术报告（英文版）

报告共计：19页

Seed1.5-Thinking技术报告总结

字节跳动推出的Seed1.5-Thinking是一款具备卓越推理能力的混合专家模型（MoE），其激活参数为200亿，总参数达2000亿。该模型在多个基准测试中表现优异，如AIME 2024获得86.7分，Codeforces取得55.0分，GPQA为77.3分，在STEM和编程领域展现出强大实力，同时在非推理任务上也有出色的泛化能力，相较于DeepSeek R1，胜率高出8%。

在模型开发方面，数据、强化学习（RL）算法和RL基础设施是三个关键要点。数据上，监督微调（SFT）依赖链式思维（CoT）数据，过多非CoT数据会降低模型探索能力；RL训练数据包含STEM问题、代码任务等四类，其中数学数据泛化能力强，能广泛提升各任务性能。

RL算法上，模型训练存在不稳定性，而团队研发的VAPO和DAPO框架分别针对演员-评论家及策略梯度范式，解决了这一问题，保障了训练的稳健性。

RL基础设施采用混合引擎架构， Streaming Rollout System（SRS）能缓解长响应生成中的滞后问题，结合多种并行机制和内存优化策略，提升了训练效率与可扩展性。

评估结果显示，Seed1.5-Thinking在数学推理的AIME 2024中与OpenAI的o3-mini-high持平，但在AIME 2025和BeyondAIME仍有差距；在科学领域GPQA接近o3水平；编程方面接近Gemini 2.5 Pro；逻辑推理的ARC-AGI上表现突出。人类评估中，其在非推理场景的整体胜率超DeepSeek R1 8.0%，更贴合人类偏好。

未来，团队计划探索更高效的强化学习方法，挑战更复杂任务，并研究通用奖励建模，以进一步提升模型智能边界。同时，还将公开BeyondAIME和Codeforces等内部基准，助力相关领域研究。

以下为报告节选内容