北京
一个韩国团队做出来的开源模型，在数学与科学榜单上拿到了73.68分。这个分数在2026年11月的SuperCLUE数学与科学排行榜上排到19个模型中的第2名，前面只剩一个GPT-6.1-Sol（76.32）。
它叫Darwin-180B-RSI-R3，出自韩国Pre-AGI方向的AI创业公司VIDRAFT。底座是Qwen3.8-Flash-Next，在此之上用VIDRAFT自研的RSI（Recursive Self-Improvement，递归自我改进）方法做了精调。
更值得看的是开源这一栏：同一数学与科学维度上，它是所有开源权重模型里的第1名，也是这张表里唯一的韩国模型。Gemini-4-Argon和DeepSeek-V4.1-Flash在这个维度上都是71.05分。
但别急着把它当成全能选手。它的SuperCLUE综合得分是43.08，在19个模型里排第9。榜单同时点出了两块短板：精确指令遵循20.69，长上下文任务30.32，都明显低于榜首梯队。说白了，这是一个数学与科学方向的专才。
RSI到底在干什么
把它和常规的数学数据集监督微调区分开，关键在训练信号的来源。标准SFT是在一份固定的、人工整理好的数据集上训练；RSI让模型自己去生成候选解法，用标准答案核对，只保留那些真正推导出正确答案的推理轨迹，再拿这批过滤后的高质量信号回头训练模型，然后循环再来一轮。
训练信号随着模型变强而迭代变好，不需要事先准备一份现成的思维链数据集。
另一个设计选择是“外科手术式”的权重更新：RSI精调过程中只改动注意力路径和共享专家，底座里的512个专家、路由器以及视觉编码器全部保持原样。按VIDRAFT的说法，这样做是为了保住底座模型的通用能力，把改进集中到最影响顺序推理的部件上，同时降低灾难性遗忘的风险。
效率上的变化可以量化：在MMLU-Pro上，平均推理链长度从4,320个token降到3,833个token，降幅约11%。也就是说，经过RSI训练后，模型用更短的内部思维链就能走到正确答案。
本地跑得动吗
权重已经公开在Hugging Face上，仓库是FINAL-Bench/Darwin-180B-RSI，许可证为Qwen Community 1.0。除了完整模型，还有一个4-bit量化的GGUF版本，仓库名FINAL-Bench/POCKET-Darwin-180B-GGUF。
这个量化版本压缩后111 GB，标注的最低配置是8 GB显存加32 GB系统内存。纯CPU推理据报告在单颗CPU上能跑到18到21 tokens/秒，不需要GPU。对没有数据中心级显卡的研究者来说，这是180B级别模型里相对容易上手的一个。
作为参照，同一数学与科学类别里，Kimi-K3.1-Pro的得分是63.16。
还有一个前提需要说清楚：这些数字来自模型卡和SuperCLUE 2026年11月榜单，GPQA Diamond等分数的独立第三方验证尚未完成，在外部复现之前，应当把它们当作自报数据看待。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
