OmniEdu：針對教育設計的 K-12 學習教學開源基礎模型系列
為何重要
OmniEdu 的成功證實了高品質且能力平衡的監督微調能顯著提升模型在特定領域的表現，這對於深耕 Fine-tuning 服務或教育 API 的廠商而言具標竿意義。隨著開源模型在教育場景逐步成熟，企業匯入 AI 輔助教學的門檻降低，原本依賴閉源 API 的競爭態勢可能會受到挑戰，後續追蹤點在於企業端如何將這類技術匯入實際教育平臺。
現有教育模型往往側重單一能力，導致學生輔助與數學解題表現不均，研究團隊因此提出 OmniEdu，專為 K-12 領域訓練的開放基礎模型系列。
- 該系列整合超過 100 種教育資源，訓練出 69,999 個範例與 15.96M 監督回應 Token，並分別建構 4B、9B 與 27B 三個引數規格。
- OmniEdu 將潛力能力架構分為學科能力、課程基礎、診斷推理與教學行動四大類。
- 在 27B 引數基準上，模型在 K12-Bench 準確率達 63.12% EM 與 76.69% F1，MathFish 達 85.89%，並在專注教學的 LongTutor 評測中獲得最高的平均教學分數 3.02。