Meta近日发布了MobileLLM-R1系列小语言模型，提供1.4亿、3.6亿和9.5亿三种参数版本，专为在本地移动设备等轻量级平台上运行而设计。
该模型并非通用聊天机器人模型，而是通过监督式微调（SFT）专门针对数学、编程（如Python、C++）和科学类问题进行优化。以最大的MobileLLM-R1 950M为例，其预训练仅使用约2TB高质量token，总训练数据不足5TB，但在多项基准测试中表现优异。
在MATH、GSM8K、MMLU和LiveCodeBench等测试中，其性能超越了使用36TB token训练的Qwen 3-0.6B模型。与现有开源小模型相比，MobileLLM-R1 950M在MATH测试中的准确率是Olmo 1.24B的5倍，SmolLM 1.7B的2倍，在编程任务中也优于这两个模型。
开发者可通过vLLM推理引擎部署MobileLLM-R1，只需在ModelRegistry中注册Llama4ForCausalLM架构即可运行。该系列模型已依据Apache 2.0协议开源，并发布于Hugging Face平台。
免责声明：本文内容由开放的智能模型自动生成，仅供参考。
