Meta发布MobileLLM-R1系列小参数模型，性能超越大参数竞品

Meta AI团队于9月13日正式发布MobileLLM-R1系列高效推理模型，该系列包含140M、360M和950M三种参数规模的基础模型及对应最终版本，标志着小参数语言模型在性能与效率上的重大突破。作为专为数学计算、编程和科学问题设计的监督微调（SFT）模型，其性能表现已超越部分大参数竞品。

技术性能方面，950M参数版本仅使用约2T高质量token预训练（总训练量不足5T），却在MATH、GSM8K、MMLU和LiveCodeBench等基准测试中达到或超越使用36T token训练的Qwen3 0.6B模型。具体表现为：在MATH测试中准确率是Olmo 1.24B的五倍，较SmolLM2 1.7B提升两倍；编程测试成绩更创下开源模型新高。这种”低量训练-高效能产出”模式，显著降低了模型开发与部署门槛。

模型架构采用专项优化设计，通过精简神经网络结构实现移动端高效推理。研发团队由Zechun Liu博士领衔，其创新的token效率提升机制与极低比特量化技术，使该系列在保持轻量化同时具备复杂任务处理能力。目前所有基础模型及训练方案已在HuggingFace平台开源，包含MobileLLM-R1-140M-base、360M-base和950M-base三个版本。

行业分析指出，该技术突破将加速端侧AI应用落地，特别是在教育辅助、科研分析及移动端编程工具等场景。随着完整技术方案的公开，多个学术团队已启动相关验证实验，预计将推动轻量级模型开发范式革新。