摘要：随着人工智能技术的飞速发展，企业在推动AI技术落地时，不仅需要高性能的推理能力，更希望能够降低部署成本，提升应用效率。中兴通讯近日推出了NTele-R1-Lite-32B-v2星云大模型，这款仅有32B参数的轻量级大模型，不仅性能出众，而且显著降低了AI推理的

随着人工智能技术的飞速发展，企业在推动AI技术落地时，不仅需要高性能的推理能力，更希望能够降低部署成本，提升应用效率。中兴通讯近日推出了NTele-R1-Lite-32B-v2星云大模型，这款仅有32B参数的轻量级大模型，不仅性能出众，而且显著降低了AI推理的部署成本，成为企业快速落地AI技术的理想选择。

一、32B星云大模型，为何备受瞩目？

1、性能卓越，树立行业新标杆

作为一款32B参数规模的轻量大模型，该大模型在多项权威基准测试中全面领先，展现出卓越的推理性能：

● 数学推理：在AIME2024评测中，以83.3分的高分领先，超越QWQ-32B 4.1%，DeepSeek-R1 4.3%。

● 代码生成：LiveCodeBench综合通过率达到76.2%，优于QWQ-32B 3.7%，DeepSeek-R1 15.6%。

● 数学竞赛：OlympiadBench测试得分74.8分，领先QWQ-32B 1.1%。

这些成绩不仅证明了32B星云大模型的卓越推理能力，更凸显了其在高效AI应用领域的巨大潜力。

2、成本降低，为企业节省每一分钱

除了卓越的性能外，32B星云大模型还大幅降低了AI推理的部署成本。相比于参数规模高达671B的DeepSeek-R1，32B星云大模型通过架构优化与动态稀疏化技术，部署成本下降了高达90%。得益于这一突破，企业可通过单卡部署实现高效的AI应用，从而大大降低了入门门槛，助力企业快速落地AI技术。

二、技术创新，性能与成本双突破

中兴通讯在追求“高性能 × 低成本”AI推理模型的道路上，凭借多项核心技术创新，为32B星云大模型注入澎湃动能，使其在真实应用场景中实现性能与效率的双重跃升。

1、 蒸馏+拒绝采样，低成本打造高质量训练语料

借助 DeepSeek-R1和QWQ-32B 作为教师模型，通过筛选最优答案，提升数学、代码等任务的正确率。多类型语料与多重校验机制结合，保证数据的有效性与多样性。

● 双源协同蒸馏：以DeepSeek-R1/QWQ-32B为教师模型，取长补短。采用了先进的自研蒸馏技术，通过减少40%的训练数据量，就能提升数学和代码生成的表现，训练资源消耗减少60%。

● 拒绝采样：AI生成多个答案，仅选择最优答案进行训练，类比于挑选最高分的答卷作为标准答案，优化解题方式。

2、 强化学习Self-Improvement，让AI更聪明

中兴通讯创新性地提出了“回溯修正+验证增强+子目标分解+逆向推导”四大方法论，结合LCPO强化学习， 持续优化推理链，减少无效回答，让AI推理更加精准、高效。

● 四大方法论协同构建初始知识框架：回溯修正机制实现动态错误检测与路径优化；验证增强引擎负责中间过程验证和多维一致性校验；子目标分解引擎将复杂问题模块化处理；逆向推导算法生成目标导向的最优推理路径。

● LCPO（Length Controlled Policy Optimization）强化学习：引入输出正确性与推理链长度的双重约束机制，一方面实时校验推理结果的准确性，另一方面动态优化推理过程，显著提升整体推理精度与效率。

3、 负载均衡集群+动态训练，训练效率倍增

高效分布式集群和动态训练机制，同时提升训练效率与模型能力：

● 负载均衡集群：数据并行、流水线并行和张量并行，训练效率提升200%。

● 动态训练机制： 通过“混合语料+定向增强训练”两阶段动态精调策略，在训练初期侧重通识语料，后期逐步提高推理语料占比至1:5；并在训练过程中使用拒绝采样，剔除简单样本，平衡模型的探索与收敛速度，实现通用能力与特定场景能力的双提升。

4、 三维评估体系，安全与性能并重

32B星云大模型还通过“价值观安全+推理能力+通用智能”三大维度的综合评估体系，确保其推理输出的可信性、准确性与多样性，使企业在应用AI时更加放心。

三、面向未来，开启“低成本×高性能”AI推理新时代

32B星云大模型的发布，不仅证明了合成数据引擎能够降低90%的数据成本，还通过协同验证机制提高了语料过滤效率三倍，实现了消费级硬件的部署。这标志着中兴通讯在AI推理模型研发领域的领先地位。未来，中兴通讯将继续深化AI核心技术的研发，不断拓展技术边界，将AI能力推广至更多行业和场景。

来源：智慧科技迷