研究人员仅用不到50美元成本，训练出媲美OpenAI的o1的AI推理模型s1

近来，一个致力于打造大众化和低成本 AI 模型的新兴 AI 项目备受瞩目，它旨在使每个人都能轻松使用强大的 AI 技术。该项目名为 s1，其目标是让预算不足 50 万美元的研究者也能训练出卓越的 AI 模型，从而打破资源壁垒，推动 AI 技术的普及。值得一提的是，s1 不仅支持开源模型，如 OpenAI 的 o1 模型和 DeepSeek 的 R1 模型，还提供了在 GitHub 上获取预训练模型的途径，为开发者提供了极大的便利。

该项目的核心在于降低 AI 训练的门槛，它允许个人利用有限的计算资源高效地进行模型训练，极大地促进了 AI 技术的民主化。例如，s1 能够支持 Gemini2.0Flash Thinking Experimental 模型等先进模型的训练，使得研究人员无需耗费巨额资金，也能体验到前沿 AI 技术的魅力。据称，该项目已成功训练出首个 AI 模型，并且训练成本控制在了 450 美元以内。

这一成就引发了人们对于未来 AI 发展的无限遐想，因为它预示着 AI 技术将不再是少数大型机构的专属，而将逐渐普及到更广泛的群体中。具体来说，s1 的目标是简化 AI 模型的部署流程，降低开发门槛，从而加速 AI 技术的创新。此外，s1 还致力于提升 AI 模型的推理速度，使其能够更快地响应用户的需求。据悉，该项目计划开源接下来几个规模为数百万美元的模型，进一步推动 AI 技术的开放与共享。

更重要的是，大众化 AI 模型的出现，意味着即使没有庞大资金支持，研究人员也能使用 OpenAI 和 DeepSeek 提供的 API 接口进行模型训练。s1 项目的远景目标是构建一个低成本、高效率的 AI 模型训练平台，实现“人人都能训练”的愿景，让 AI 技术不再受限于硬件资源的限制。目前，OpenAI 的 o1 模型已经取得了显著的进展，而 DeepSeek 也将在 AI 模型训练方面提供更多的支持。

s1 项目的技术核心，在于利用一种名为“监督微调（SFT）”的方法，对预训练 AI 模型进行高效的微调，从而大幅降低训练成本。值得一提的是，该项目还借鉴了 DeepSeek 在模型训练方面的先进经验，旨在构建一个更加完善的 AI 模型训练生态。据了解，Gemini2.0Flash Thinking Experimental 模型的架构设计颇具亮点，它采用了独特的分布式训练方法，能够充分利用现有的计算资源，并在保证模型性能的前提下，显著降低训练成本。

根据 s1 项目的介绍，该项目的目标是在单个拥有 1000 个处理器的集群上，复现当前最先进的模型训练效果，从而验证其技术的有效性。项目团队利用 16 块 Nvidia H100GPU 显卡进行训练，并在不到 30 小时内完成了模型训练。根据测试结果显示，该项目的性能表现十分出色，仅需约 20 美元的成本即可完成高质量的模型训练。总而言之，s1 项目致力于在模型训练领域实现“平民化”，让更多的人能够参与到 AI 技术的创新中来。

展望 2025 年，Meta、谷歌以及其他领先的 AI 研究机构将在 AI 模型训练领域投入数十亿美元，而 s1 项目的出现，无疑为那些预算有限的研究者带来了新的希望。如果该项目能够成功地降低 AI 模型训练的门槛，那么未来将会有更多的人参与到 AI 技术的创新中来，从而推动 AI 技术的快速发展。

论文：https://arxiv.org/pdf/2501.19393

项目：https://github.com/simplescaling/s1

免责声明：

✨ s1 项目旨在让预算不足 50 万美元的团队也能训练出先进的 AI 模型，从而实现 AI 技术的普及。

⚙️ 该项目致力于降低 AI 模型训练的门槛，让更多的人能够参与到 AI 技术的创新中来，共同探索 AI 的无限可能。

‍🚀 大众化 AI 模型的出现，将为那些在 AI 研究领域投入数十亿美元的机构带来新的机遇，推动 AI 技术的快速发展。