Seed-Thinking-v1.5 深度思考模型

是什么

Seed-Thinking-v1.5 是字节跳动 Seed 团队推出的推理模型（reasoning model）。它采用混合专家（mixture-of-experts，MoE）结构：总参数为 200B，但在处理一次输入时只有 20B 参数被激活 ^[1][2]。和其他推理模型一样，它通过强化学习训练，先进行思考再给出答案 ^[1][2]。公开的 GitHub 仓库里放着技术报告和基准测试表格，但没有列出模型权重 ^[2]。

由来

配套技术报告的标题是《Seed1.5-Thinking: Advancing Superb Reasoning Models with Reinforcement Learning》。报告于 2025 年 4 月 10 日提交到 arXiv，并在 4 月 22 日和 4 月 29 日做过修订。作者名单由 Jiaze Chen 领衔，人数超过 270 人 ^[1]。

报告中的成绩

报告给出的主要分数是：AIME 2024 上 86.7，AIME 2025 上 74.0，GPQA Diamond 上 77.3，Codeforces 上 pass@8 为 55.0 ^[2]。报告把这些数字与三个对手并列：DeepSeek R1（AIME 2024 上 79.8，GPQA Diamond 上 71.5）、OpenAI o3-mini（AIME 2024 上 87.3）以及 Gemini 2.5 Pro（AIME 2024 上 92.0）^[2]。对照这些数字，Seed-Thinking-v1.5 在 AIME 2024 和 GPQA Diamond 两项上都高于 DeepSeek R1，在 AIME 2024 上则低于 o3-mini 和 Gemini 2.5 Pro ^[2]。仓库的对比表给出它在 AIME 2025 上为 74.0%，DeepSeek R1 为 65.0% ^[2]。

并非每一项比较都占优。在 Codeforces 的 pass@8 上，仓库表格中 OpenAI o3-mini 为 67.5%，高于 Seed-Thinking-v1.5 的 55.0% ^[2]。

报告还给出了一组更低的分项成绩：SWE-bench Verified 上 47.0，ARC-AGI 上 39.9，SimpleQA 上 12.9 ^[2]。

它也不只在推理任务上被测过。在非推理任务上，它的胜率比 DeepSeek R1 高 8% ^[1]。

更难的新测试集

由于 AIME 2024 已经难以区分顶尖模型，团队自建了更难的内部评测集 BeyondAIME，模型在该集上得 48.0 分；同时搭建了一套基于 Codeforces 的基准，并计划将两者公开发布 ^[1][2]。BeyondAIME 确实把模型之间的差距拉得更开，但结果并不有利于这个模型：在仓库的表格里，OpenAI o3-mini 为 63.6%，Seed-Thinking-v1.5 为 48.0% ^[2]。

处在什么位置

Seed-Thinking-v1.5 记录了报告发表前后前沿推理模型的一种典型做法：以稀疏的混合专家结构为底座，在其上用强化学习训练出「先思考再回答」的能力，再用竞赛数学（AIME）、科学问答（GPQA Diamond）、编程竞赛（Codeforces）和软件工程（SWE-bench Verified）等任务来评测 ^[1][2]。它的成绩按任务而异——在 AIME 和 GPQA 上有竞争力，在 Codeforces 上落后于 OpenAI 的 o3-mini；报告中关于基准饱和的讨论，以及发布 BeyondAIME 的计划，正好说明当时常用测试集已经快用尽区分度 ^[1][2]。由于仓库公开的是报告和表格而不是权重，它更多是作为可比较的公开记录存在，而不是供人直接下载使用的模型 ^[2]。