32B 推理性能反超 o1-mini！阿里通义发布 FIPO 算法，让大模型“想得更深”

最近，阿里通义实验室的Qwen Pilot团队发布了一项名为FIPO的新算法。这项技术瞄准了传统强化学习在应对复杂逻辑推理时的固有短板，目标很明确：不仅要让模型“想得更远”，还要让它“想得更准”。

核心突破：破解“推理长度停滞”难题

传统模型处理数学这类问题时，常常陷入一个困境：它分不清哪些思考步骤是真正有用的，哪些只是在原地打转。FIPO算法正是针对这个痛点下刀，其核心设计可以概括为两点：

这个机制有点像给AI引入了“长远眼光”。它不再只看眼前一步的对错，而是专门奖励那些能为后续推理铺平道路的关键Token，引导模型学会“深谋远虑”。

与此同时，算法引入了一种更精细的度量方式，用来精准捕捉模型内部的优化方向，有效避免推理过程陷入无意义的循环或歧途。

效果是立竿见影的。在零基础的模型上，FIPO成功将平均推理长度推升至

，这相当于彻底打破了模型在复杂问题面前的“思考深度”天花板。

战绩斐然：32B模型的“小钢炮”表现

光有理论不够，实战成绩才是硬道理。在实测对比中，搭载FIPO算法的32B规模模型，展现出了令人印象深刻的“小钢炮”特质。

在纯强化学习的设定下，它不仅超越了同规模的其他模型，甚至在部分关键指标上，表现优于OpenAI的o1-mini。这对于一个参数规模并不占优的模型来说，堪称一次漂亮的逆袭。

算法在处理高难度数学推理题时尤其亮眼，其严谨的逻辑推导能力得到了充分验证，显示出解决复杂符号问题的巨大潜力。

行业背景：通义实验室的持续深耕

这次突破并非孤立事件。阿里通义实验室近期在AI底层算法上持续发力，动作频频。就在3月底，团队刚刚推出了CoPaw 1.0的新版本，一系列动作都清晰地指向同一个目标：不断提升模型在逻辑严密性与深度交互方面的核心能力。

当行业内的讨论仍时常围绕参数规模打转时，阿里通义通过FIPO算法给出了另一种思路。它证明了一件事：通过设计更精巧的奖励机制和逻辑诱导策略，即使是参数规模相对较小的模型，也完全有可能激发出顶级的“思考力”。这或许为AI推理效率的提升，开辟了一条值得关注的新路径。