OpenR1-Distill-7B是基于Qwen2.5-Math-7B在Mixture-of-Thoughts数据集上后训练的版本，旨在教会语言模型进行逐步推理。

Thinkless是一个通过强化学习训练的大语言模型，能够自适应选择简答或长链推理模式，显著降低推理计算成本。

无思框架（Thinkless）是一种可学习框架，使大模型能根据任务复杂度和自身能力，自适应选择简短推理或长链推理。

基于Qwen3-14B架构构建的指令微调模型，专精数学推理、代码生成和事实准确性

E1-Math-1.5B是基于DeepSeek-R1-Distilled-Qwen-1.5B微调的语言模型，支持弹性推理和GRPO方法，适用于预算受限的推演场景。

OLMo 2 1B指令版是基于OLMo-2-0425-1B-RLVR1模型的后训练变体，经过监督微调、DPO训练和RLVR训练，旨在实现多种任务的最先进性能。

Phi-4-mini-reasoning是一个基于合成数据的轻量级开放模型，专注于高质量、密集推理数据，并进一步微调以增强数学推理能力。

Phi-4-mini-reasoning 是一个轻量级的开源模型，专注于数学推理任务，支持128K令牌的上下文长度。

专为Lean 4形式化定理证明设计的开源大语言模型，通过递归定理证明流程收集数据，结合非正式和形式化的数学推理。

Phi-4-mini-reasoning是一个轻量级的开源模型，专注于高质量、密集推理的数据，并进一步微调以获得更高级的数学推理能力。

OLMo 2 1B是基于allenai/OLMo-2-0425-1B-RLVR1模型的后训练变体，经过监督微调、DPO训练和RLVR训练，旨在实现多种任务的最先进性能。

基于深度学习的数学问题自动求解系统，支持代数、几何、微积分等多种数学题型

OpenMath-Nemotron-32B 是通过在 OpenMathReasoning 数据集上微调 Qwen2.5-32B 创建的数学推理模型，在多个数学基准测试中取得最先进结果。

基于Qwen2.5-14B微调的数学推理模型，在AIMO-2 Kaggle竞赛中获得第一名

OpenMath-Nemotron-14B 是基于 Qwen2.5-14B 在 OpenMathReasoning 数据集上微调的数学推理模型，在多个数学基准测试中取得最先进结果。

OpenMath-Nemotron-7B 是基于 Qwen2.5-Math-7B 在 OpenMathReasoning 数据集上微调的数学推理模型，在多个数学基准测试中取得最先进结果。

Turkish-Gemma-9b-v0.1是基于Gemma-2-9b开发的土耳其语文本生成模型，通过持续预训练、监督微调（SFT）、直接偏好优化（DPO）和模型合并技术优化而成。

基于Qwen 2.5 14B架构构建的新一代语言模型，专为数学推理、编程和通用逻辑任务优化。

Phi-4推理是基于Phi-4通过监督微调思维链轨迹数据集和强化学习训练的前沿开放权重推理模型，专注于数学、科学和编程技能。

Phi-4-mini-instruct模型经torchao进行float8动态激活和权重量化，在H100上实现36%显存降低和15-20%速度提升，几乎不影响精度。

Nova 0.5 e3是一个7B参数的文本生成模型，展现出令人惊异的涌现特性，特别是在数学推理方面表现出色。

ReasonFlux-F1-7B是基于思维模板扩展的分层大语言模型推理模型，通过模板增强推理轨迹微调而成，在多项推理任务中表现优异。

14B参数规模的数学推理大语言模型，支持思维链推理

ThinkEdit是一种轻量级权重编辑方法，通过识别并编辑少量注意力头，缓解大语言模型在推理任务中生成过度简短思维链的问题，提升推理准确性。

基于 Google Gemma-3-4B-IT 微调的模型，专门用于解决高中阶段各类问题

Light-R1-32B-DS是一款近SOTA水平的32B数学模型，基于DeepSeek-R1-Distill-Qwen-32B微调，仅使用3K SFT数据即实现高性能。

EXAONE Deep系列模型在数学和编程等推理任务中表现出色，本模型为24亿参数的AWQ量化版本

QwQ-Math-IO-500M是一个专注于数学推理和输入输出处理的500M参数语言模型，提供GGUF格式的量化版本。

QwQ-32B的FP8量化版本，通过动态量化技术减少50%存储和内存需求，同时保持99.75%的原模型精度

QwQ-32B的FP8量化版本，通过动态量化技术减少50%存储和内存需求，同时保持99.75%的原始模型精度

SoT_DistilBERT是基于DistilBERT微调的分类模型，用于根据思维草图(SoT)框架为给定查询选择最佳推理范式。

YuLan-Mini-Instruct是一个24亿参数的紧凑但强大的文本生成模型，专注于数学和代码推理任务，支持中英文。

基于Lucie-7B微调的多语言因果语言模型，支持法语和英语，专注于指令跟随和文本生成任务。

DeepSeek-R1-Distill-Qwen-32B的INT8量化版本，通过权重量化和激活值量化减少显存占用并提升计算效率。

GSM8K 是一个包含8.5K个高质量小学数学问题的数据集，用于评估模型的数学推理能力。

AceMath-7B-Instruct是英伟达推出的专为数学推理设计的指导模型，基于改进版Qwen架构开发，擅长通过思维链(CoT)推理解决英文数学问题。

基于VAGOsolutions/SauerkrautLM-gemma-2-9b-it微调的版本，优化了意大利语性能表现，支持8k上下文长度。

基于MaziyarPanahi/calme-2.4-rys-78b在mlabonne/orpo-dpo-mix-40k数据集上微调的大语言模型，在Open LLM Leaderboard上排名第一

NanoLM-1B-Instruct-v2是基于超过400万条高质量指令数据微调而成的1B参数规模小模型，专注于探索小模型潜力。

Mathstral 7B是基于Mistral 7B开发的专精数学与科学任务的模型，在数学推理和科学计算任务上表现优异。