Step R-mini - 阶跃星辰推出的 Step 系列首个推理模型

Step R-mini是什么

Step R-mini（全称Step Reasoner mini）是阶跃星辰的推理模型，也是 Step 系列里第一个走推理路线的。它的路数是先规划、再试、错了回头反思，靠慢思考和反复验证来保证答案靠谱。逻辑推理、代码、数学这些硬题是强项，文学创作这类通用领域也没落下。数学基准和代码任务上的成绩都不错，算是文理都能兼顾。训练上按 Scaling Law 来，强化学习、数据质量、测试时计算、模型规模四个方向一起扩。

Step R-mini的主要功能

• 数学问题：先搭一条合理的推理链，把复杂数学题拆开，一步步解。奥数难题会枚举几种解法交叉验证；几何题则画草图，拿图当思考的载体，把题目要求捋全，挑最合适的公式，再反复自问有没有漏掉的条件。
• 逻辑推理：解题思路会自己换着试，拿到初步答案后还反问一句有没有别的可能，尽量把可行的解法都列出来，交卷前再查一遍有没有漏。
• 代码解答：靠长推理链啃难算法题，LeetCode 上标“Hard”的那种也能做。复杂开发需求同样接得住：先拆需求和意图，再搭代码逻辑，写的过程中顺手分析和验证当前片段，最后给一份能跑的代码。
• 文学创作：先弄明白用户想要什么表达，再看主题和题材的要求，角度、景物、修辞、结构一样样想过去。写的时候会给事物加上情感层面的象征，风格上也想做出点个人味道，像个“追求完美”的创作者。

Step R-mini的技术优势

• 坚持 Scaling Law 原则：
  • Scaling Reinforcement Learning：从模仿学习走到强化学习，从人类偏好走到环境反馈，强化学习成了模型迭代的核心训练阶段。
  • Scaling Data Quality：数据质量守住的前提下，分布和规模继续扩，强化学习那边才有得练。
  • Scaling Test-Time Compute：测试阶段的计算也一起扩。System 2 这套范式让 Step-Reasoner mini 在极复杂的任务上能想到 50,000 tokens 那么深。
  • Scaling Model Size：模型规模扩展被当成 System-2 的核心，更强的 Step Reasoner 推理模型还在做，方向是更智能、更通用。
• 文理兼修：AIME、Math 这些数学基准上，成绩超过 o1-preview，跟 OpenAI o1-mini 一个水平；LiveCodeBench 的代码任务上比 o1-preview 好。推理模型大多顾得上理科就顾不上文科，Step R-mini 靠大规模强化学习，用 On-Policy（同策略）算法，两边都练到了。

Step R-mini的项目地址

• 项目官网：Step R-mini

Step R-mini的实例展示

• 逻辑推理：碰到逻辑推理题，Step R-mini 会自己换几种思路试；有了初步答案再反问一句还有没有别的可能，把可行的方案尽量列全，交卷前再查遗漏。

Step R-mini的应用场景

• 教育辅导：学生卡在数学题或者编程上，可以给思路、给代码示例，学起来顺一点。
• 科研助力：科研里的逻辑推理、数据分析能搭手，跨学科的知识也能拼起来用。
• 企业办公：程序员写代码能提速，管理者要的商业决策分析也能出，办公流程跟着顺。
• 文学创作：给做内容的人递灵感，创作方案可以按人来定制，作品的内涵也厚一点。
• 翻译服务：翻译要求高的时候能用，语言转换比较准，跨语言的交流也方便些。