全文概述

Meta发布了MobileLLM-R1系列模型，参数规模小于1B，但性能超越了更大规模的Qwen3。该系列模型专注于数学、编程和科学问题，训练成本低且高效，适用于端侧设备。核心价值在于其高效的token利用率和卓越的性能表现。

MobileLLM-R1的核心特点

MobileLLM-R1系列包括多个基础模型和最终模型版，专门针对数学、编程（Python、C++）和科学问题进行训练。尽管参数规模较小，但在MATH、GSM8K等基准测试中表现出色，尤其在编码基准测试中远超其他开源模型。

训练效率与成本

MobileLLM-R1 950M模型仅使用约2T高质量token进行预训练，总训练token量少于5T，但性能与使用36T token训练的Qwen3相当或更优。这表明小体量模型不仅训练成本低廉，还能实现更高的token效率。

应用场景与优势

由于模型体积较小，MobileLLM-R1可以覆盖更多端侧设备，实现更大面积的落地应用。此外，该系列模型的高效推理能力使其在实际应用中更具优势，特别是在资源有限的环境中。

背后的研究团队

MobileLLM-R1的研发由三位华人科学家领衔，他们在大模型优化、自然语言处理和多模态学习等领域有丰富的研究经验。团队成员曾在顶尖学府和企业工作，发表了多篇高引用论文，为模型的成功奠定了坚实的基础。