prime-rl/p1

🥇 Открытая модель впервые получила золотую медаль на Международной физической олимпиаде IPhO 2025 Модель P1-235B-A22B от Shanghai AI Laboratory стала первой открытой моделью, которая получила золотую медаль на IPhO 2025 — самой престижной физической олимпиаде в мире, где решение каждой задачи требует и аналитической точности, и творческого подхода. P1 обучали исключительно с подкреплением на 5,000+ физических задач олимпиадного уровня. Базовая модель - Qwen3 с режимом развернутого мышления. Результаты: 🥇 21.2 из 30 баллов — 3-е место после Gemini-2.5-Pro и GPT-5 🎯 12 золотых + 1 серебро на 13 олимпиадах 2024-2025 🚀 С агентной системой PhysicsMinions — 23.2 балла и общее 1-е место Фреймворк PhysicsMinions включает агентов для логических рассуждений и проверки решений. С его помощью P1 может итеративно рассуждать, критиковать собственные решения и улучшать их, подобно тому, как работают физики-исследователи. Модели P1 демонстрируют отличную обобщаемость. Версия 30B значительно превосходит свою базовую модель Qwen3-30B-A3B-Thinking-2507 на бенчмарках по математике, программированию и общим задачам на рассуждение. Это говорит о том, что обучение на физических задачах развивает универсальные навыки логического мышления, применимые в разных областях. Модель, веса и код — в открытом доступе на GitHub и HuggingFace . #Stateoftheart #Benchmark