最强3B「小钢炮」，代码数据全公开！推理随意开关，128k超长上下文

【导读】重磅开源！新一代最强小模型SmolLM3横空出世：30亿参数，支持128k长上下文！而且训练、对齐、架构、数据等全链路，Hugging Face这次100%开放——堪称真「Open AI」。

重磅开源！

刚刚，Hugging Face推出了目前最强的30亿参数模型SmolLM3：

· 双推理模式：think，no_think

· 超长上下文：最长可达128k

· 多语言支持：英语、法语、西班牙语、德语、意大利语、葡萄牙语

· 完全开源：数据、代码、构建方法

基础模型: https://hf.co/HuggingFaceTB/SmolLM3-3B-Base

指令和推理模型: https://hf.co/HuggingFaceTB/SmolLM3-3B

小模型负责人Loubna Ben Allal如此评价SmolLM3：「强大、小巧的推理模型」。

SmolLM3性能很强：

• 超越Llama3.2-3B和Qwen2.5-3B

• 逼近40亿参数模型（如Qwen3和Gemma3）

重要的是，它公开了完整的构建方法！100%开源，极大减少了反向工程的时间，为小模型开发提供了难得的参考范本。

SmolLM3不仅展示了完整的「训练-微调-对齐」开源范式，也在提醒：

模型规模不是唯一答案，工程细节才是制胜关键！

预训练

在模型架构和数据混合策略方面，SmolLM3做出了显著优化。

先从架构设计与训练配置说起。

模型架构与预训练阶段

在Llama架构的基础上，SmolLM3引入多项关键改进，以提升效率和长上下文处理能力。

关键架构优化一览：

• GQA机制：将传统多头注意力替换为4组Grouped Query Attention，性能相当但大幅降低KV缓存开销，推理更高效。

• NoPE编码：每隔4层移除旋转位置编码（RoPE），显著提升长文本处理能力，而短文本任务不受影响。

• 文档内注意力屏蔽：同一训练序列中不同文档的token彼此隔离，提升训练稳定性和长文本学习能力。

• 稳定性优化：借鉴OLMo 2，去除嵌入层权重衰减，使参数收敛更稳，对模型性能无负面影响。

相关论文：

论文链接：https://arxiv.org/abs/2501.18795

论文链接：https://arxiv.org/abs/2501.00656

基于相同架构进行的消融实验，验证了上述所有改动，确保各项优化措施在提升或保持性能的同时，带来了额外优势。

训练配置如下：

分布式训练设置，见下图。

除了架构层面的改进，团队也系统性的实验与优化了训练系统。

数据混合策略与训练阶段

延续SmolLM2所采用的多阶段训练方法，SmolLM3使用的训练数据总量达11.2万亿个token，训练采用三阶段策略。

团队混合了网页文本、数学内容与代码数据，还根据训练进度，调整各类数据的比例。

为了确定最优的数据构成与配比，在多个3B模型上，他们进行了大量消融实验，训练数据量涵盖从500亿到1000亿token。

预训练包括以下三个阶段：

· 阶段1：为模型打下通用基础

· 阶段2：引入更多高质量专业数据

· 阶段3：重点提升数学与编程能力

各阶段混合数据配比和来源，如下：

通过上述数据混合策略，在多个任务上，训练出的基础模型表现优异。

此外，在主预训练完成后，研究团队还进行了专门的中间训练阶段，以进一步增强模型在长文本处理和复杂推理任务中的表现。

中期训练（Mid-training）

长上下文适应和推理适应被称为「中期训练」。

与主预训练相比，这些训练阶段要短得多，但仍然具有通用性。

长上下文扩展

在主预训练完成后，额外训练了SmolLM3，进一步扩展模型的上下文处理能力。

该阶段共使用了1000亿个token，分为两个阶段，各使用500亿token，改进如下表所示：

这两个阶段均过采样了数学、代码和推理相关数据，增强了模型的长文本理解与推理能力。

在RULER和HELMET等长上下文基准测试中，研究人员发现：

进一步增加特定类型的长文本数据，并不能带来额外性能提升。

这表明：在64k长度的上下文任务中，仅使用NoPE编码、更长的训练序列以及更高的RoPE的theta值，已足以让模型取得优异表现。

此外，借鉴Qwen2.5，在推理阶段，这次采用YARN技术，将上下文窗口从训练时的64k外推至128k，上下文扩展了2倍。

推理中间训练阶段

为了进一步注入通用推理能力，还有一项训练：推理中间训练。

与预训练和后续微调不同，这一阶段不面向任何特定领域，而是着重培养模型的通用推理能力。

此阶段使用了总计350亿个token数据，主要来自两个来源：

OpenThoughts3-1.2M，以及Llama-Nemotron-Post-Training-Dataset-v1.1数据集中的一个子集，其中包含R1标注的推理轨迹。

为了减少对模型结构的显式引导，这次采用ChatML格式的对话模板，并通过packing技术压缩了数据。

总训练量约为1400亿token。

最终模型的checkpoint将用于后续的指令微调（SFT）阶段。

后训练

随着DeepSeek R1等推理模型的推出，推理为模型带来的强大表现已获业界公认。

但至今缺乏构建双指令模型（同时支持推理与非推理模式）的完整开源方案。现有方法多依赖复杂强化学习流程与私有数据，严重阻碍研究人员复现与再开发。

此次，Hugging Face公开了双模式指令模型的完整构建方案。

训练流程从注入通用推理能力的中间训练起步，融合合成数据监督微调（SFT），再通过基于DPO改进的Anchored Preference Optimization（APO）实现偏好对齐。

这套精心设计的多阶段流程，在推理与非推理模式间，成功达成了性能平衡。

聊天模板设计

SmolLM3双模式模型通过聊天模板与用户交互，允许用户精确控制推理模式。（和Qwen3一样）

用户可以用/think或/no_think切换推理与非推理模式。

此外，SmolLM3支持工具调用。

聊天模板还包括默认系统消息和元数据（如日期、知识截止时间、推理模式），并允许用户自定义或禁用元数据显示，灵活适配不同场景。

监督微调

在完成中间训练后，团队继续对SmolLM3进行监督微调，以增强其在推理与非推理两种模式下的综合能力。

目标覆盖数学、编程、通用推理、指令跟随、多语言处理以及工具调用等任务。

核心挑战在于：部分任务领域缺乏带有推理轨迹（reasoning traces）的标注数据。

为弥补这一空缺，他们使用Qwen3-32B以推理模式重新生成了非推理数据集的提示，从而构建出合成推理数据。

在整个监督微调过程中，还对各类数据进行细致调配，以确保模型保持稳健的性能。

在大量消融实验的基础上，最终构建的SFT数据集中共有18亿token，比例来源如下

为促进社区的研究与实践，他们将开源这套数据配比方案与完整训练脚本。

离线策略模型对齐

在完成监督微调后，模型进一步通过偏好学习进行了对齐训练。

非推理模式和推理模式部分，分别采用了Tulu3的公开偏好数据集、Qwen3-32B和Qwen3-0.6B合成的一批偏好对。

在构建偏好数据时，他们选取Qwen3-32B的回答作为偏好对中的「选中答案」（chosen），而Qwen3-0.6B的回答作为「被拒绝答案」（rejected），并采用APO方法进行对齐训练。

对齐流程进一步统一了不同模式下的风格与偏好选择，为后续任务奠定了良好基础。

Anchored Preference Optimization(APO)是Direct Preference Optimization(DPO)的变体，但提供了更为稳定的优化目标。

在DPO中，在训练过程中，奖励函数rθ(x,y)衡量了模型生成序列的概率与训练初期参考模型之间的对数比值：

其中，β参数控制优化模型相对于参考模型的变化幅度。

DPO损失函数主要通过优化由提示x、选中回答y_w和被拒绝回答y_l组成的三元组来实现模型的改进。

与DPO相比，APO目标在训练过程中更加稳定。

虽然在下游评估中，数学、科学、指令跟随、编程、对话和多语言任务均有显著提升，但在长上下文基准（如 RULER）上的表现却有所下降。

为此，团队追溯到推理中间训练阶段，发现模型长上下文处理能力有所损失。

此外，APO训练数据的上下文限制24k token。

为了解决这一问题并缓解性能下降，团队开始探索模型合并。

模型合并

在不增加集成计算开销或无需额外训练的情况下，使用MergeKit合并APO检查点与长上下文训练checkpoint（权重0.9:0.1），兼顾推理对齐与长文本能力。

通过这种合并方法，在多个任务中，得到的模型保持了优异的表现。

接下来，请查看该模型与基础模型的评估结果。

评估

在推理模式和非推理模式下，团队分别评估了基础模型和指令模型的表现。

基础模型

在各项任务中，SmolLM3始终优于其他3B模型，并且在与4B模型对比时也展现了强劲的竞争力。

在知识和推理类基准测试中，SmolLM3取得了第一或第二名，数学和编程能力也表现不俗。

对于长上下文任务，在Ruler 64k基准测试中，SmolLM3表现突出。

在五种主要欧洲语言的基准测试中，它也展现了强大的能力，涵盖Global MMLU、MLMM HellaSwag、Flores-200和Belebele，内容包括知识、常识推理、文本理解和翻译能力。

这表明在英语之外的语言中，SmolLM3同样保持了一致的优异表现。

总体而言，基础模型在多个领域展示了卓越的表现。接下来，让我们看看这些优势如何转化到指令模型的表现上。

双模式指令/推理模型

SmolLM3同时支持指令模式和推理模式，需要分别评估其表现，并与具备相同能力的其他模型做比较。

非推理模式评估

SmolLM3与其他3B非推理模型进行了比较，并在多个基准测试中，与Qwen3推理模型在无推理模式下进行对比。

正如下图所示，SmolLM3在推理能力和效率之间找到了最佳平衡点。

在计算成本较低的情况下，SmolLM3显著超越Qwen3 1.7B，并接近4B模型的性能，领先于测试的其他3B非推理模型。

指令模型在性能和成本之间找到了最佳平衡点。

扩展推理评估

在启用扩展推理后，继续评估了SmolLM3的推理表现。

与非推理模型相比，SmolLM3在大多数基准测试中取得了显著进展。

在一些具有挑战性的任务中，研究人员观察到了显著提升，例如AIME 2025（36.7%对比9.3%）、LiveCodeBench上的竞争性编程（30.0%对比15.2%）以及GPQA Diamond上的研究生级推理（41.7%对比35.7%）。

尽管在推理和非推理模式下，Qwen3-4B通常能够获得最高分数，但SmolLM3在3B参数类中依然展现出了竞争力，特别是在数学推理和复杂问题解决任务中表现突出。

最后一个问题是：如何使用这个模型？

如何在本地运行

SmolLM3的模型代码已在transformers v4.53.0中发布，确保您已升级到该版本的transformers。

pip install -U transformers

还可以通过最新版本的vllm加载该模型，vllm使用transformers作为后端。

from transformers import AutoModelForCausalLM, AutoTokenizer
model_name = "HuggingFaceTB/SmolLM3-3B"
device = "cuda"  
 
tokenizer = AutoTokenizer.from_pretrained(model_name)
model = AutoModelForCausalLM.from_pretrained(
    model_name,
).to(device)
 
prompt = "Give me a brief explanation of gravity in simple terms."
messages_think = [
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages_think,
    tokenize=False,
    add_generation_prompt=True,
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)
 
generated_ids = model.generate(**model_inputs, max_new_tokens=32768)
 
output_ids = generated_ids[0][len(model_inputs.input_ids[0]) :]
print(tokenizer.decode(output_ids, skip_special_tokens=True))

启用和禁用扩展推理模式

默认情况下，扩展推理模式已启用，因此上述示例会生成带有推理轨迹的输出。

要启用或禁用推理模式，在系统提示中使用/think或/no_think标志，如下所示。

生成带扩展推理的代码步骤相同，唯一的区别在于系统提示应为/thin而不是/no_think。

prompt = "Give me a brief explanation of gravity in simple terms."

messages = [
    {"role": "system", "content": "/no_think"},
    {"role": "user", "content": prompt}
]

text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True,
)

智能体使用

SmolLM3支持工具调用！

只需将工具列表传递到xml_tools（标准工具调用）或python_tools（调用如Python函数的工具）参数中。

from transformers import AutoModelForCausalLM, AutoTokenizer

checkpoint = "HuggingFaceTB/SmolLM3-3B"
tokenizer = AutoTokenizer.from_pretrained(checkpoint)
model = AutoModelForCausalLM.from_pretrained(checkpoint)

tools = [
    {
        "name": "get_weather",
        "description": "Get the weather in a city",
        "parameters": {"type": "object", "properties": {"city": {"type": "string", "description": "The city to get the weather for"}}}}
]

messages = [
    {
        "role": "user",
        "content": "Hello! How is the weather today in Copenhagen?"
    }
]

inputs = tokenizer.apply_chat_template(
    messages,
    enable_thinking=False, # True works as well, your choice!
    xml_tools=tools,
    add_generation_prompt=True,
    tokenize=True,
    return_tensors="pt"
)

outputs = model.generate(inputs)
print(tokenizer.decode(outputs[0]))

参考资料：

https://x.com/LoubnaBenAllal1/status/1942614508549333211

https://HuggingFace.co/blog/smollm3