AM-Thinking-v1：突破32B规模推理能力的模型
计算与语言
2025-05-27 v2
摘要
我们提出AM-Thinking-v1，一个32B规模的稠密语言模型，旨在推动推理能力的前沿发展，彰显开源合作精神。AM-Thinking-v1在AIME 2024上取得85.3的分数，在AIME 2025上取得74.4分，在LiveCodeBench上取得70.3分，展现出在类似规模的开源模型中卓越的数学和编程能力，甚至超越DeepSeek-R1，与Qwen3-235B-A22B和Seed1.5-Thinking等领先的Mixture-of-Experts（MoE）模型不相上下。AM-Thinking-v1完全基于开源Qwen2.5-32B基础模型构建，利用公开查询数据，采用精心设计的后训练流程——结合监督微调和强化学习——实现卓越的推理能力。本工作表明，开源社区能够在32B规模上实现高性能，这是部署和微调的实用 sweet spot。通过在顶级性能和实际可用性之间取得平衡，我们希望AM-Thinking-v1能激发进一步的合作，推动中等规模模型的推理边界，同时保持创新的可及性。我们已在\href{https://huggingface.co/a-m-team/AM-Thinking-v1}{Hugging Face}上开源该模型。
引用
@article{arxiv.2505.08311,
title = {AM-Thinking-v1: Advancing the Frontier of Reasoning at 32B Scale},
author = {Yunjie Ji and Xiaoyu Tian and Sitong Zhao and Haotian Wang and Shuaiting Chen and Yiping Peng and Han Zhao and Xiangang Li},
journal= {arXiv preprint arXiv:2505.08311},
year = {2025}
}