---
title: "Light-R1 – 360智脑开源的长思维链推理模型"
url: "https://paooo.com/aigc-news/21281/"
author: "Prompt 语宙研究院"
published_at: "2026-06-08T07:19:50+08:00"
updated_at: "2026-06-08T07:19:50+08:00"
categories: "AIGC 资讯"
tags: "360智脑, DeepSeek, HuggingFace, 大模型微调, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# Light-R1 – 360智脑开源的长思维链推理模型

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/21281/) · 作者：Prompt 语宙研究院 · 发布时间：2026-06-08

## AI 30 秒核心看点 (TL;DR)

- 基于 Qwen2.5-32B-Instruct，Light-R1-32B 用两阶段课程学习实现数学推理能力跃升。
- AIME24 测试得分 76.6，超过 DeepSeek-R1-Distill-Qwen-32B 的 72.6，验证实测优势。
- 仅用 12 台 H800 运行 6 小时、约 1000 美元完成训练，并全量开源模型、数据与代码。

## Light-R1是什么

Light-R1是360智脑开源的AI模型，专注于数学领域的长思维链推理，具体为 Light-R1-32B。模型基于Qwen2.5-32B-Instruct，用7万条数学数据和两阶段课程学习（SFT+DPO）训练，实现从零超越DeepSeek-R1-Distill-Qwen-32B的性能。在AIME24测试中，Light-R1取得76.6分，显著高于DeepSeek-R1-Distill的72.6分。模型训练成本低，仅需12台H800机器运行6小时，成本约1000美元。模型支持全量开源，包括模型、数据集、训练框架和评测代码，推动开源社区发展，为低成本训练领域专精模型提供参考。

## Light-R1的主要功能

- **高效数学问题解决**：能快速、准确地解决复杂的数学问题，包括但不限于代数、几何、概率等领域。

- **推理能力提升**：具备较强的逻辑推理能力，支持处理长思维链问题。

- **泛化能力**：在其他领域（如逻辑推理、语言理解）表现出泛化能力。

- **低成本训练与部署**：极低的成本实现高性能，适合资源有限的用户或企业快速部署和应用。

## Light-R1的技术原理

- **基础模型与起点**：模型基于 Qwen2.5-32B-Instruct 开发，实现从零到超越 DeepSeek-R1-Distill 的性能提升。

- **课程学习**：

**SFT（Supervised Fine-Tuning**）：筛选难度分级的数据，分两阶段进行有监督的微调。第一阶段用 7 万条数据，第二阶段筛选出难度最高的 3 千条数据进一步微调。

- **DPO（Direct Preference Optimization）**：在 SFT 的基础上，基于多次采样和偏好对的构建，优化模型的输出质量。

- **数据处理与去重**：训练数据来自多个开源数学数据集（如 OpenR1-Math-220k、OpenThoughts-114k 等），经过严格的数据去重处理，避免测试数据泄露对模型性能的影响。

- **模型融合**：最终的 Light-R1-32B 是融合 SFT 阶段 2、DPO 和另一个 DPO 版本的模型得到的。进一步提升模型的性能和稳定性。

- **训练框架与优化**：用 360-LLaMA-Factory 训练框架，支持序列并行和高效的分布式训练。基于优化训练流程，Light-R1 在 12 台 H800 机器上仅需 6 小时即可完成训练。

## Light-R1的项目地址

- **GitHub仓库**：[https://github.com/Qihoo360/Light-R1](https://github.com/Qihoo360/Light-R1)

- **HuggingFace模型库**：[https://huggingface.co/collections/qihoo360/light-r1](https://huggingface.co/collections/qihoo360/light-r1-67c675125e2443d7d5ed133d)

## Light-R1的应用场景

- **教育领域**：作为数学学习工具，帮助学生解决复杂问题，提供解题步骤和思路，适用于数学竞赛和日常学习。

- **科研与学术**：辅助数学研究和跨学科问题解决，例如物理建模、工程优化等。

- **企业应用**：用于数据分析、风险评估、供应链优化等复杂问题的解决。

- **软件集成**：集成到智能助手、数学软件中，增强推理和解题功能。

- **开源与开发者**：支持开发者定制和扩展模型，推动开源社区发展。

## 常见问题解答 (FAQ)

### Light-R1是什么模型？
Light-R1 是 360 智脑开源的长思维链推理模型，具体为 Light-R1-32B，重点面向数学推理任务。它基于 Qwen2.5-32B-Instruct，通过 SFT 和 DPO 两阶段训练提升推理能力。

### Light-R1和DeepSeek-R1-Distill相比怎么样？
文中给出的实测结果显示，Light-R1 在 AIME24 上取得 76.6 分，高于 DeepSeek-R1-Distill-Qwen-32B 的 72.6 分，说明其在数学推理任务上表现更强。

### Light-R1适合哪些应用场景？
它适合数学学习、科研辅助、企业复杂分析和软件集成等场景，可用于解题、逻辑推理、物理建模、风险评估和供应链优化，也适合开发者基于开源资源二次定制。

---
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/)
