# 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

- Link: https://paooo.com/aigc-news/13826/
- Published: 2026-06-22T12:12:22+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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](https://paooo.com/trends/)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。

阅读目录

 * [rStar2-Agent是什么](https://paooo.com/aigc-news/13826/#rstar2agent%e6%98%af%e4%bb%80%e4%b9%88)
 * [rStar2-Agent的主要功能](https://paooo.com/aigc-news/13826/#rstar2agent%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [rStar2-Agent的技术原理](https://paooo.com/aigc-news/13826/#rstar2agent%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [rStar2-Agent的项目地址](https://paooo.com/aigc-news/13826/#rstar2agent%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [rStar2-Agent的应用场景](https://paooo.com/aigc-news/13826/#rstar2agent%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13826/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![rStar2-Agent](https://paooo.com/wp-content/uploads/2026/05/rStar2-Agent-website-
2-1.avif)

## 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](https://paooo.com/ai-study/)？

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。

🔬 语宙深潜追问 · 进阶实操拆解

GRPO-RoC适合哪些推理任务？

它更适合有明确奖励信号、可分步验证的任务，比如数学证明、代码推理和结构化问答。因为
能把中间步骤纳入优化，模型更容易学到稳定的推理链，而不是只追求最终答案。

低成本训练怎么复现到企业？

先把任务拆成可自动评测的小闭环，再用小模型做候选生成、大模型做裁判或蒸馏。配合分布
式训练、样本筛选和奖励设计，往往比盲目堆参数更容易拿到性价比。

🗳️ 读者观点微投票 · 您的实战立场是？

14B推理模型打赢671B，靠的是算法还是运气？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [rStar-Math – 微软推出的小模型复杂推理与自进化SLMs的创新技术](https://paooo.com/aigc-news/22982/)
 * [MAI-Thinking-1 – 微软推出的首款自研高级推理模型](https://paooo.com/aigc-news/18589/)
 * [微软重磅开源Phi-4-reasoning-vision-15B：150亿参数多模态推理模型，速度超同类10倍，定义AI推理新范式](https://paooo.com/aigc-news/11335/)
 * [Skywork-R1V 2.0 – 昆仑万维开源的新版多模态推理模型](https://paooo.com/aigc-news/20199/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/13826/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)