❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦

🚀 快速阅读

1. 开源模型：Sky-T1是首个开源的推理AI模型，训练数据和代码均已公开，支持从零开始复现。
2. 低成本训练：模型训练成本不到450美元，显著低于传统高性能模型的训练成本。
3. 高性能表现：在数学和编程评估中表现优异，适用于教育、科研和开发等领域。

正文（附运行示例）

Sky-T1 是什么

Sky-T1是由加州大学伯克利分校Sky Computing实验室的研究团队NovaSky发布的开源推理AI模型，名为Sky-T1-32B-Preview。它是首个开源的推理模型，训练数据集和代码均已公开，用户可以从零开始复现该模型。模型的训练成本不到450美元，显著降低了高性能AI模型的训练门槛。

Sky-T1的训练数据由阿里巴巴的QwQ-32B-Preview推理模型生成，经过精心筛选和重构，基于OpenAI的GPT-4o-mini进行处理，更易于模型训练。在性能方面，Sky-T1在MATH500（一组“竞赛级”数学挑战）上的表现优于OpenAI早期版本o1的预览版本，同时在LiveCodeBench的编程评估中也表现更佳。

Sky-T1 的主要功能

• 开源复现：训练数据集和代码均已公开，用户可以从零开始复现该模型。
• 低成本训练：模型的训练成本不到450美元，显著低于以往同等性能模型的数百万美元训练成本。
• 推理能力：Sky-T1能有效进行自我事实核查，避免一些常见陷阱，在得出解决方案时可能需要更长时间，从几秒到几分钟不等。
• 高性能表现：在MATH500和LiveCodeBench的评估中表现优异，适用于数学问题解决和编程评估。

如何运行 Sky-T1

1. 克隆项目仓库

首先，克隆Sky-T1的GitHub仓库到本地：

git clone https://github.com/NovaSky-AI/Sky-T1-32B-Preview.git

2. 项目目录介绍

Sky-T1-32B-Preview的数据整理、训练和评估的代码和脚本，您可以在每个目录中找到更多详细信息。

• /data：用于训练Sky-T1-32B-Preview的17,000条训练数据。我们还添加了来自STILL-2模型的科学和谜语部分。
• skythought/tools：Sky-T1的训练数据整理和评估。为了生成我们的训练数据，我们使用了QwQ-32B-Preview模型。我们整理了数据混合，以涵盖需要推理的多样领域，并使用拒绝采样程序来提高数据质量。
• skythought/train：Sky-T1的训练脚本。我们使用Llama-Factory进行训练。模型训练了3个epoch，学习率为1e-5，批次大小为96。我们的模型训练在8个H100 GPU上使用DeepSpeed Zero-3卸载技术完成，耗时19小时，根据Lambda Cloud的价格，费用约为450美元。

3. 运行推理示例

在运行前需要先安装必要的Python库：

pip install transformers

使用提供的示例代码运行推理：

from transformers import pipeline

messages = [
    {
   "role": "user", "content": "Who are you?"},
]
pipe = pipeline("text-generation", model="NovaSky-AI/Sky-T1-32B-Preview")
pipe(messages)

资源

• 项目官网：https://novasky-ai.github.io/posts/sky-t1
• 在线演示 Demo：http://164.152.23.196:3000/
• Github 仓库：https://github.com/NovaSky-AI/SkyThought
• HuggingFace 仓库：https://huggingface.co/NovaSky-AI/Sky-T1-32B-Preview

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发非常感兴趣，我会每日分享大模型与 AI 领域的最新开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术，欢迎关注我哦！

🥦 微信公众号｜搜一搜：蚝油菜花 🥦