字节跳动近期发布了一份名为Seed-Thinking-v1.5的技术报告英文版，详细阐述了其最新研发的一款混合专家模型。这款名为Seed1.5-Thinking的模型，凭借200亿激活参数和总计2000亿参数的强大配置，在多个基准测试中展现出了卓越的推理能力。

在AIME 2024、Codeforces以及GPQA等测试中，Seed1.5-Thinking分别获得了86.7分、55.0分和77.3分的优异成绩。特别是在STEM和编程领域，该模型展现出了强大的实力。同时，在非推理任务上，Seed1.5-Thinking也表现出了出色的泛化能力，与DeepSeek R1相比，胜率高出了8%。

在模型开发过程中，数据、强化学习算法以及强化学习基础设施被视为三大核心要素。在数据方面，监督微调（SFT）主要依赖于链式思维（CoT）数据。然而，过多的非CoT数据可能会对模型的探索能力产生负面影响。强化学习训练数据则涵盖了STEM问题、代码任务等四大类，其中数学数据因其强大的泛化能力，能够广泛提升模型在各任务中的性能。

在强化学习算法层面，团队研发了VAPO和DAPO两大框架，分别针对演员-评论家及策略梯度范式，有效解决了模型训练中的不稳定性问题，确保了训练的稳健进行。强化学习基础设施采用了混合引擎架构，Streaming Rollout System（SRS）的引入，有效缓解了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，训练效率和可扩展性得到了显著提升。

评估结果显示，在数学推理领域，Seed1.5-Thinking在AIME 2024中的表现与OpenAI的o3-mini-high不相上下。然而，在AIME 2025和BeyondAIME等更高难度的测试中，仍存在一定的差距。在科学领域的GPQA测试中，该模型的表现接近o3水平；在编程方面，则与Gemini 2.5 Pro不相上下。在逻辑推理的ARC-AGI测试中，Seed1.5-Thinking展现出了突出的表现。

在人类评估中，Seed1.5-Thinking在非推理场景的整体胜率超过了DeepSeek R1 8.0%，且更贴合人类偏好。这一结果表明，该模型在提升智能水平的同时，也注重了与人类思维方式的契合度。