Tether AI 发布 191.43B-token 合成 STEM 数据集：让小模型学解释，不只学答案
Tether AI Research 9 月 23 日发布 QVAC Genesis III，一套用于训练小模型科学、技术、工程和数学能力的合成数据集，规模为 191.43 billion tokens、159.6 million documents，覆盖 19 个与课程对齐的 STEM 领域。它的出发点不是继续堆大模型，而是让笔记本、手机和本地服务器上的小模型更适合做 AI 教师与技术助手。
与只给最终答案的做法不同，Genesis III 的数据强调解释、错误分析和纠正过程：模型需要说明为什么某个答案错、推理在哪一步断掉。官方披露，使用 Option-Level 数据训练的 1.7B 参数模型在基准回答中达到 99.45% 的有效回答率；完整语料训练则在官方测试中优于若干开放数据基线。相关论文已获 COLM 2026 接收。
它改变的是「小模型补能力」的训练路径：把更多预算放到数据结构和可解释过程，而不是无条件扩大参数。边界是 99.45% 属于 Tether 自测的有效回答率指标，不等同于通用 STEM 正确率；完整数据集的下载入口、许可证和独立复现本轮没有逐项核到，因此不将其写成已验证的全面超越。
核验记录
Tether 官方页面直读 200（44,304 字节）；页面可见 September 23, 2026，正文同时出现 23 September 2026 与 2026-09-24 的页面元数据，因此日期以正文明确的 9 月 23 日为准。191.43B、159.6M、19 个领域、1.7B 与 99.45% 均取官方正文；性能为厂商自测，未独立复跑；数据集下载入口、许可证与 COLM 论文未逐项核到。配图裸请求与带站内 Referer 均 200，PNG 3,412,712 bytes，MD5 一致。
← 上一篇BottleCap AI 发 ThinkingCap-Qwen3.8-27B：12 项基准少用 37.2% 思考 token，准确率代价 0.86 个百分点下一篇 →Aion Labs 发 Aion 3.5：多模型协作写作升到 256K 上下文，价格不变