该模型在数学、编程、科学推理等专业领域及创意写作等通用任务中表现突出，同时，模型采用 MoE 架构，总参数 200B，激活参数为 20B，具备显著的推理成本优势，单位推理成本相比 DeepSeek R1 降低 50%。
技术报告链接：https://github.com/ ByteDance-Seed / Seed-Thinking-v1.5
模型各方面具体表现：
专业领域：数学推理（AIME 2024 得分 86.7，追平 OpenAI o3-mini-high）、编程竞赛（Codeforces pass@8 达 55.0%，接近 Gemini 2.5 Pro）、科学推理（GPQA 得分 77.3%，接近 o3-mini-high），均达到或接近业界第一梯队水平。
通用任务：人类评估表现超 DeepSeek R1 8%，覆盖多场景需求。
成本优势：单位推理成本相比 DeepSeek R1 降低 50%，实现性能与效率的平衡。
数据体系：融合可验证与创意性数据
针对推理与生成任务的不同需求，团队优化了数据处理策略：
可验证数据（如数学、代码题）：通过百万级数据三重清洗（人工筛选 → 模型过滤 → 多模型验证），保留 10 万道高难度题目；设计答案整数化改造、离线沙箱验证等机制，确保模型输出真实推理过程；
非可验证数据（如创意写作）：基于豆包 1.5 Pro 训练集，剔除低价值样本，采用两两对比奖励法，优化生成质量；
全新评测基准：构建了超难数学数据集 BeyondAIME（100 道无答案题干题目），解决现有测试区分度不足问题。
奖励模型：双轨体系校准训练方向
团队提出双轨奖励机制，兼顾“对错分明”与“见仁见智”任务：
可验证任务：开发了两代验证器（Seed-Verifier → Seed-Thinking-Verifier），从字符匹配升级为推理步骤逐行对比（训练 / 测试集准确率超 99%），杜绝模型“奖励欺骗”；
非可验证任务：引入 pairwise 对比训练，通过千万次“AB 测试”，捕捉人类对创意、情感等的隐性偏好，避免“众口难调”；
双轨融合：针对混合场景设计协调机制，硬指标（对错）与软偏好（优劣）互补，支撑全场景训练。
训练方法：“监督精调 + 强化学习”双阶段优化
Seed-Thinking-v1.5 采用“打基础 + 磨能力”的全链路训练：
监督精调（SFT）：基于 40 万高质量实例（30 万可验证 +10 万非可验证数据），结合人工与模型协同筛选，构建长思考链数据集，确保模型“像人类一样思考”；
强化学习（RL）：通过三重数据引擎（可验证 / 通用 / 混合数据）、算法创新（价值预训练、解耦 GAE 等）以及在线数据适配技术，解决训练不稳定、长链推理断层等问题，动态调整数据分布以保持最佳训练状态。
训练框架：支撑 20B MoE 的底层架构
为应对 20B MoE（总参数 200B）的复杂训练需求，团队优化了底层架构：
HybridFlow 编程模型：支持算法快速探索与分布式并行运行；
流式推理系统（SRS）：通过“流式推理”技术解耦模型演进与异步推理，将训练速度提升 3 倍，万亿参数下稳定性达 95%；
三层并行架构：结合张量 / 专家 / 序列并行，动态均衡负载，基于 KARP 算法优化 GPU 算力利用率。
