---
title: "微软开源140亿参数数学推理模型rStar2-Agent：AIME24准确率超DeepSeek-R1，训练成本大幅降低"
url: "https://paooo.com/aigc-news/13826/"
author: "Prompt 语宙研究院"
published_at: "2026-06-22T12:12:22+08:00"
updated_at: "2026-06-07T20:19:17+08:00"
categories: "AI 工具, AIGC 资讯"
tags: "AIME24, DeepSeek-R1, 微软开源, 数学推理模型, 智能体强化学习"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# 微软开源140亿参数数学推理模型rStar2-Agent：AIME24准确率超DeepSeek-R1，训练成本大幅降低

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/13826/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-22

## AI 30 秒核心看点 (TL;DR)

- 140亿参数的rStar2-Agent在AIME24达80.6%，实测超越6710亿参数DeepSeek-R1。
- 模型以智能体强化学习结合工具调用，强化数学、科学推理与泛化能力。
- 64台AMD MI300X GPU一周完成训练，证明高性能不必依赖更大参数规模。

> 
                **💡 站外导读：**在人工智能追求更大参数规模的浪潮中，一个核心矛盾日益凸显：如何用更少的算力成本，实现更强的推理能力？微软开源的rStar2-Agent给出了一个震撼行业的答案。这款仅140亿参数的模型，在权威数学推理基准测试中，竟击败了参数量为其数十倍的顶尖模型。这不仅是技术的突破，更预示着AI模型的发展可能从“参数竞赛”转向“效率革命”。对于关注AI落地与商业化的开发者和企业而言，如何平衡性能、成本与泛化能力，是当前最迫切的痛点之一。

            

             
                        

## rStar2-Agent是什么

rStar2-Agent是微软开源的仅140亿参数的数学[推理模型](https://ai-bot.cn/ai-reasoning-models/)。模型用智能体强化学习方法训练，在AIME24数学推理测试中准确率高达80.6%，超越6710亿参数的[DeepSeek-R1](https://ai-bot.cn/deepseek-r1/)。模型数学推理出色，在科学推理、智能体工具使用等任务中展现强大泛化能力。模型通过高效训练基础设施、创新算法及独特训练流程三大技术突破，实现高性能与低算力成本，为AI推理领域带来新思路。

## rStar2-Agent的主要功能

- 
**高效数学推理**：在AIME24等数学推理测试中，以140亿参数达到80.6%的高准确率，超越参数量大得多的模型，能快速准确解决复杂数学问题。

- 
**科学推理能力**：在GPQA-Diamond科学推理基准测试中，准确率达60.9%，展现出对科学知识的理解和推理能力，支持应用在科学问题解答。

- 
**智能工具调用**：根据问题需求自动调用合适工具，如代码执行工具，提升问题解决效率。

- 
**泛化能力强**：在特定领域表现出色，支持将推理能力泛化到其他多种任务和领域，具有广泛的应用潜力。

## rStar2-Agent的技术原理

- 
**智能体强化学习**：模型与特定工具环境交互，根据环境反馈调整推理过程，通过奖励机制引导模型学习更优的推理策略，实现高效学习和推理能力提升。

- 
**高效训练基础设施**：用隔离式高吞吐代码执行服务，基于64台AMD MI300X GPU的分布式架构，实现高并发工具调用和快速执行，保障训练过程高效稳定。

- 
**GRPO-RoC算法**：融合Resample-on-Correct滚出策略，优化工具使用，通过不对称采样机制筛选高质量轨迹，降低错误率，使模型推理更准确高效。

- 
**多阶段强化学习训练流程**：先进行非推理微调培养基础能力，再分阶段强化学习逐步提升推理能力，用64台GPU一周内完成训练，达到性能峰值，大幅降低成本。

## rStar2-Agent的项目地址

- **GitHub仓库**：https://github.com/microsoft/rStar

- **arXiv技术论文**：https://www.arxiv.org/pdf/2508.20722

## rStar2-Agent的应用场景

- **教育领域**：为学生提供个性化学习辅导，助力学业提升，同时快速评判作业和考试，提升教学效率。

- **科研领域**：协助分析复杂数据，同时构建和优化科学模型，为科研决策提供有力支持。

- **金融领域**：精准预测股票走势，为投资者提供科学的投资建议，同时实时监测交易数据，有效防范金融欺诈风险。

- **工程领域**：rStar2-Agent优化工程设计方案，确保项目高质量完成，同时实时诊断系统故障，提高工程效率。

- **日常生活**：作为智能助手，提供个性化服务，根据用户健康数据，制定科学的健康管理方案。

                    
            
                

#### 📝 站长洞察 (Editor's Insight)

                rStar2-Agent的发布，绝非又一个开源模型的简单迭代，它清晰地标定了一条新的技术范式。其核心启示在于，通过‘智能体强化学习’将模型与工具环境深度耦合，让推理过程‘活’起来，这比单纯堆叠文本数据更具效能。结合高效的分布式训练架构与创新的GRPO-RoC算法，它证明了在固定算力预算下，通过更聪明的训练方法可以榨取出远超预期的性能。这直接挑战了‘更大即更好’的行业惯性思维。对于从业者，这意味着未来的竞争焦点将更多转向算法创新、训练流程优化和垂直场景的智能体应用设计。微软此举，不仅开源了一个模型，更开源了一套关于‘高效智能’的实现方法论，必将加速推动AI推理技术从实验室走向复杂的真实世界任务。

## 常见问题解答 (FAQ)

### rStar2-Agent为什么能以小参数超越大模型？
关键在于训练方法而非单纯堆参数。它采用智能体强化学习、GRPO-RoC算法和多阶段训练流程，并结合高效代码执行基础设施，让模型在工具交互中学会更优推理策略，从而以140亿参数取得更强数学推理表现。

### rStar2-Agent适合用在哪些场景？
它更适合数学推理、科学问答、工具调用型智能体任务，以及教育辅导、科研分析、工程诊断等需要高质量推理的场景。文章也提到其具备一定泛化能力，但具体落地仍需结合业务数据与任务设计。

### rStar2-Agent的训练成本为什么更低？
因为它使用了高效训练基础设施、隔离式高吞吐代码执行服务，以及64台AMD MI300X GPU的分布式架构，并通过分阶段强化学习在一周内完成训练。相比依赖更大规模参数和更长训练周期的路线，成本显著降低。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)