# 數學推理優化

UniReason-Qwen3-14B-RL的靜態量化版本，適用於文本生成和數學推理研究場景。

經過量化處理的DeepSeek-R1-0528模型，通過將權重量化為INT4數據類型，顯著降低了GPU內存和磁盤空間的需求。

MiMo是一系列專為推理任務從頭訓練的7B參數模型，通過優化預訓練和後訓練策略，在數學和代碼推理任務上表現出色。

ALP_DeepScaleR_1.5B_C16K是基於DeepScaleR-1.5B模型，採用自適應長度懲罰（ALP）方法進行訓練的模型，能在保持性能的同時顯著減少token使用量。

SeaLLM-7B-v2是面向東南亞語言的最先進多語言大模型，體積減半但在世界知識、數學推理、指令遵循等多語言任務上表現更優。

Multiverse-32B是基於Multiverse構建的首個開源、非自迴歸模型，在AIME測試中表現優異，具有重要的學術和應用價值。

Qwen3-30B-A3B的INT4量化版本，通過權重量化減少75%的磁盤和GPU內存需求，保持高性能。

Phi-4-mini-reasoning 是一個基於合成數據構建的輕量級開放模型，專注於高質量、富含推理的數據，並針對更高級的數學推理能力進行了進一步微調。

Phi-4-reasoning是一款由微軟開發的先進推理模型，基於Phi-4進行微調，專注於提升數學、科學和編碼等領域的推理能力。

Phi-4-reasoning-plus 是由微軟研究院開發的開源推理模型，專注於數學、科學和編程領域的高級推理能力。

Phi-4-mini-reasoning是一個輕量級的開源模型，專注於數學推理，支持128K令牌的上下文長度，適用於計算資源受限的環境。

這是微軟Phi-4-reasoning模型的量化版本，使用llama.cpp進行優化，適用於推理任務，支持多種量化選項。

這是微軟Phi-4-mini-reasoning模型的量化版本，使用llamacpp工具進行量化處理，旨在提升模型在不同硬件環境下的運行效率和性能。

MiMo-7B-RL是基於MiMo-7B-SFT模型訓練的強化學習模型，在數學與代碼推理任務上達到與OpenAI o1-mini比肩的性能。

通義千問3 0.6B的量化版本，適用於文本生成任務，支持32k上下文長度和多語言處理。

這是NVIDIA開源的14B參數數學大語言模型，經過llama.cpp量化處理，可在不同硬件條件下高效運行。

OLMo-2-Instruct-Math-32B 是一個專注於數學任務的大型語言模型，由 tngtech 發佈。

OpenMath-Nemotron-1.5B是基於Qwen2.5-Math-1.5B在OpenMathReasoning數據集上微調的數學推理模型，在多個數學基準測試中取得最先進結果。

Zero-Mistral-24B是基於Mistral-Small-3.1-24B-Instruct-2503改進的純文本模型，主要適配俄語和英語，移除了原版的視覺功能，專注於文本生成任務。

OpenMath2-Llama3.1-8B 是基於 Llama3.1-8B-Base 模型，使用 OpenMathInstruct-2 數據集微調而成的數學專用模型，在多個數學基準測試中表現優異。

Viper-Coder-v1.7-Vsm6是基於千問2.5 14B模態架構設計的大語言模型，專注於提升編碼效率和計算推理能力，優化內存使用並減少冗餘文本生成。

Phi-4-reasoning-plus 是微軟研究院開發的先進開放權重推理模型，基於 Phi-4 通過監督微調和強化學習優化，專注於數學、科學和編碼領域的高級推理能力。

基於google/gemma-3-12b-it模型，通過EZO訓練方法提升日語性能的文本生成模型

專注於數學推理和Python編程訓練的24B參數大語言模型，基於Mistral架構優化

OpenRS3-GRPO-ja是基於SakanaAI/TinySwallow-1.5B-Instruct模型在日語數學指令數據集上微調的版本，採用GRPO方法訓練，專注於數學推理任務。

Notbad v1.0 Mistral 24B 是一款專注於數學和Python編程推理的模型，基於Mistral-Small-24B-Instruct-2501並通過強化學習進一步訓練。

EXAONE Deep系列模型在數學和編程等推理任務中表現出色，7.8B版本優於同規模開源模型，甚至超越某些專有模型。

基於OLMo-2-0325-32B-Instruct模型，使用Open R1數學數據集在AMD MI300X GPU上微調，專注提升數學推理能力

FastCuRL-1.5B-Preview 是一個慢思考推理模型，採用課程引導迭代延長強化學習方法，在數學推理任務上表現優異。

基於Qwen2.5-72B通過強化學習蒸餾的高性能數學推理與通用知識處理模型，在數學推理和通用知識任務中表現優異。

Gemma-3-4b推理是基於Transformer架構的語言模型，採用GRPO方法微調，專注於推理任務優化。

專為數學與通用推理優化的高性能蒸餾模型，基於Qwen2.5-72B通過強化學習提煉而成

基於Qwen/Qwen2.5-7B-Instruct微調的版本，專門針對高級推理任務進行了優化

基於Qwen 2.5 14B模態架構設計，提升編碼效率和計算推理能力的模型

Tiny-R1-32B-Preview 是一個基於 Deepseek-R1-Distill-Qwen-32B 的推理模型，專注於數學、代碼和科學領域，性能接近完整版 R1 模型。

流暢語言模型項目的首個獨立模型，32.5B參數量的因果語言模型，支持多種語言和任務。

基於Mistral-Small-24B-Instruct-2501微調的數學推理模型，優化了數學推理能力

Tülu 3 是領先的指令跟隨模型家族，提供完全開源的數據、代碼和訓練方案作為現代技術的綜合指南。3.1版本在強化學習階段進行了改進，性能全面提升。

基於Sky-T1-32B-Preview優化的32B推理模型偏好版本，能在保持準確性的同時顯著縮短生成長度。

InternLM3-8B-Instruct 模型的 GGUF 格式版本，適用於 llama.cpp 框架，支持多種量化版本。