Open-O1 是一个非营利性开源项目，目标是对标 OpenAI O1 模型的能力，为社区提供先进的开源替代方案。项目通过构建用于思维链（CoT）激活的 SFT 数据集，并利用该数据训练 LLaMA 和 Qwen 模型，从而赋予较小模型更强的长推理与问题解决能力。
主要能力与产出 项目已发布两个模型：OpenO1-LLaMA-8B-v0.1 与 OpenO1-Qwen-7B-v0.1，可在 HuggingFace 获取；同时开源了用于 CoT 激活的 OpenO1 SFT 数据，供社区下载使用。根据官方描述，OpenO1 主要展现出类 O1 的推理特征和较广的搜索式思考能力。官方基准测试（零样本设定）显示：GSM8K 得分 85.82，MATH 得分 52.88，MMLU 得分 70.45，Hellaswag 得分 67.77，ARC-C 得分 86.52，BBH 得分 58.43；在 MATH、MMLU、ARC-C、BBH 等基准上优于 llama3.1-8b-instruct（其中 llama3.1-8b-instruct 的 MATH 官方成绩 51.9 来自 CoT 设定，复现的零样本成绩为 47.42）。
使用方式 若要本地部署，官方提供以下步骤：1）克隆该 GitHub 仓库；2）安装 Deployment/requirements.txt 中列出的依赖；3）执行仓库提供的脚本。可选模型为 OpenO1-Qwen-7B-v0.1 或 OpenO1-LLaMA-8B-v0.1。Open O1 的聊天模板遵循 LLaMA3.1 的模板，具体细节可在 chat-templates 中获取。官方提醒：HuggingFace 上部署的模型可能经过量化，可能导致一定性能下降；如需体验原始性能，建议在自有基础设施上部署。
适用场景与开发状态 Open O1 目前处于早期开发阶段，官方表示尚未完全达到 O1 能力水平，但已迈出重要一步。首版在 LLaMA 和 Qwen 上展示了性能提升，风格上接近 O1。项目欢迎社区加入，并将持续开源开发过程中的所有代码与材料，相关问题和反馈可通过 GitHub Issues 提交，建议先查看 FAQ 与既往 issue，并使用专用模板。该项目为非营利性质。
限制与尚未提供的信息 官方明确当前模型尚未达到 O1 级别；HuggingFace 部署版本可能因量化而性能下降。除上述内容外，关于训练数据的完整构成、超参数细节（页面标注“Summarizing and updating...”）、收费与价格、商用授权等，资料暂未提供。
