艾伦AI研究所推出 Olmo 3.1：更强的 32B 开源聊天与推理模型

艾伦人工智能研究所（AI2）发布了 Olmo 3.1，这是 Olmo 3 系列的最新迭代。此次更新包含两个 32B 参数的新模型检查点，以及多个 7B 规模的强化学习变体，进一步推动了高性能与全开源的统一。

核心模型更新

1. Olmo 3.1 Think 32B

基于 Olmo 3 32B Think 的强化学习（RL）训练，团队在 224 个 GPU 上额外训练 21 天，使用扩展版 Dolci-Think-RL 数据集进行多轮优化。
性能提升显著：

• AIME（数学推理）：+5+ 分
• ZebraLogic（逻辑推理）：+4+ 分
• IFEval（指令遵循）：+4+ 分
• IFBench（多步骤任务）：+20+ 分
  同时在代码生成与复杂任务规划上表现更强。

2. Olmo 3.1 Instruct 32B

将此前成功应用于 Olmo 3 Instruct 7B 的指令微调方法扩展至 32B 规模。
该模型专为多轮对话、工具调用和通用聊天场景设计，是 AI2 目前能力最强的完全开源聊天模型，也是当前最强大的开源 32B 指令微调模型之一。

所有模型均遵循 Olmo 的开源承诺：训练数据、代码、超参数和评估结果全部公开。

其他更新：7B 强化学习基线

为支持强化学习研究，AI2 同时发布了两个 RL-Zero 的改进版本：

• Olmo 3.1 RL Zero 7B Code
• Olmo 3.1 RL Zero 7B Math

这些模型基于更长、更稳定的训练流程，为 RL 算法研究提供了更强的基线，并推动了可复现的 RL 训练实践。

开源与可用性

所有 Olmo 3.1 模型均以 Apache 2.0 许可证开源，可通过以下方式获取：

• Hugging Face：https://huggingface.co/collections/allenai/olmo-3
• AI2 Playground：在线试用（含交互式推理）
• API 接入：通过 AI2 合作推理平台调用（如 Fireworks、Together 等）

为什么 Olmo 3.1 值得关注？

1. 性能与开放性并重
   在不牺牲透明度的前提下，通过延长训练、优化 RL 策略，显著提升模型能力。
2. 端到端可复现
   从预训练数据（Dolma）、训练代码（OpenTrain）到评估脚本，全部公开，支持社区验证与改进。
3. 明确的能力分工
   • Think 系列：面向推理、规划、代码等复杂任务；
   • Instruct 系列：面向对话、工具使用等交互场景。
4. 推动 RL 研究
   RL-Zero 变体为学术界提供了高质量、可扩展的强化学习基线。