OmniEdu – 面向K-12教学全流程的开源教育多模态模型系列

1. OmniEdu是什么

OmniEdu是由北京大学DCAI团队联合中国科学技术大学、中关村学院共同开源的教育多模态模型系列，提供27B、9B、4B三种参数规模。该系列模型以教学能力为核心设计目标，能够解答学科题目、判断知识点在课程中的位置、诊断学生错因，并选择合适的教学动作。团队从约134万条候选数据中精选约6.9万条高质量样本进行训练，使模型在多学科解题、学习诊断与辅导任务上达到SOTA水平，其中4B小模型可部署于普通服务器，有效降低学校引入AI教学助手的硬件门槛。

技术定位与领域： OmniEdu属于教育人工智能与多模态大模型的交叉领域，其独特定位在于覆盖K-12阶段"学习-教学"全流程——从学科解题、课程知识图谱理解，到学生错因诊断与教学策略选择，而非仅提供答案式问答。这一方向在现有开源教育模型中尚属稀缺。

研发背景： 该模型由北京大学DCAI团队主导，联合中国科学技术大学、中关村学院共同研发。团队拥有深厚的大模型训练与数据工程积累，其研发动机源于当前教育模型普遍缺乏"教学行为能力"——模型能解题，却不知道如何诊断学生卡点、如何通过提问引导思考。

核心价值： OmniEdu解决了教育AI从"答题工具"向"教学助手"升级的核心问题。通过任务指令驱动机制，同一模型能够在解题、诊断、辅导等不同教学场景间灵活切换行为模式；配合严格的训练数据筛选与去污染流程，在多项教育评测基准上取得领先成绩。

技术特点： 模型采用20种任务系统指令实现行为切换，训练数据按四类教学能力分类并分配token预算平衡配比。从134万候选样本中经语义审核、去污染、多样性筛选保留约6.9万条，同时支持文本与图像多模态输入，兼顾推理效率与教学效果。

2. 主要功能

• 学科解题能力： 覆盖数学、科学、阅读理解和写作四大学科领域。模型不仅输出正确答案，还会确保解释与题目条件、推理过程保持一致，避免出现"答案对但过程错"的常见问题。该能力基于训练数据中对解题正确性与推理一致性的双重审核。

• 课程理解与知识定位： 模型能够识别题目对应的知识点、适用年级、难度等级以及知识点间的前置依赖关系，判断学生在继续学习前需要补充哪些基础内容。这一功能将单道题目映射到课程知识图谱中，为个性化学习路径规划提供支撑。

• 诊断推理能力： 区别于仅凭题目猜测学生错误原因的做法，OmniEdu基于学生的作答过程和错误答案，定位具体出错步骤、分析理解偏差以及需要补充的知识点。该功能对数学分步计算、阅读理解中的逻辑偏差等场景尤为有效。

• 教学行动选择： 模型根据诊断结果和教学任务选择合适的回应方式，包括提示、引导式提问、复习前置概念、直接指出错误或进行完整讲解。通过20种任务指令的切换，同一模型能够扮演不同角色，从严格解题到苏格拉底式辅导均可胜任。

• 多模态输入支持： 模型支持文本与图像混合输入，学生可以将手写解题过程、课本截图或几何图形以图片形式提交，由模型进行图文联合理解后给出诊断与辅导回应。这一能力扩展了模型在真实教学场景中的适用性。

• 多规模模型适配： 提供4B、9B、27B三种参数规模，并额外提供FP8量化版本。FP8版本下载体积较原始版本缩小37%–44%，其中4B模型可部署于学校普通服务器，27B模型面向高性能计算环境，满足不同预算与算力条件下的部署需求。

• 教学评测基准支持： 官方工具包内置12个教育评测基准，覆盖K-12解题、高考、竞赛数学、辅导对话、脚手架教学等维度，开发者可通过一条命令对模型进行标准化评估并生成详细报告。

3. 应用场景

• 个性化学习辅导： 学生做题遇到卡点时，OmniEdu先定位具体出错环节，再通过提示和追问引导学生独立思考，而非直接给出答案。该模式适配自习、课后练习等场景，有助于培养学生的自主推理能力。

• 错题诊断分析： 教师将学生的作答过程输入模型，系统自动分析错因、定位对应知识漏洞，并生成针对性的补救建议。这一流程大幅减轻教师批改与学情分析负担，使个性化反馈在班级教学中成为可能。

• 课程对齐内容生成： 教师按指定课程标准和年级要求，让模型生成练习题、分层作业或讲解材料。模型自动标注题目对应的知识点归属与前置关系，帮助教师快速构建与教学进度匹配的课程资源。

• 课堂互动助教（苏格拉底式教学）： 模型扮演课堂助教角色，通过引导式提问推动学生逐步推理，并根据学生的回答证据动态调整教学策略。该场景支持分层教学，让不同水平的学生获得适配难度的引导。

4. 如何使用

1. 环境要求： OmniEdu基于PyTorch与Transformers框架，需要Python 3.8及以上环境。GPU方面，4B模型建议至少8GB显存，9B模型建议16GB以上显存，27B模型建议多卡部署（每卡至少24GB显存）。FP8量化版本可降低显存占用约37%–44%。

2. 安装依赖： 本地运行需执行 pip install -U torch torchvision transformers accelerate safetensors pillow，若使用FP8权重还需额外安装 compressed-tensors 库。部署服务方式则需安装vLLM推理框架。

3. 加载模型： 使用 AutoProcessor 和 Qwen3_5ForConditionalGeneration.from_pretrained 加载模型ID，例如 lhpku20010120/Omni-Edu-4B，9B和27B版本替换对应ID即可。首次加载会自动下载模型权重。

4. 构造输入与生成： 将学生题目、作答或图片按chat模板组织为messages格式，图片题目需加入 {"type": "image"} 项。调用 generate 方法时必须设置 enable_thinking=False，随后用 batch_decode 解码输出结果。

5. vLLM服务部署（推荐）： 执行 vllm serve lhpku20010120/Omni-Edu-4B --max-model-len 32768 --reasoning-parser qwen3 --default-chat-template-kwargs '{"enable_thinking": false}' 启动服务。FP8版本改用 Omni-Edu-4B-FP8 模型ID，多卡环境通过 --tensor-parallel-size 参数调整并行度。

6. API调用： 服务启动后，通过 curl 访问 http://localhost:8000/v1/chat/completions，以OpenAI兼容格式发送请求即可获得模型回答，便于集成到现有教学系统中。

7. 官方工具包使用： 执行 pip install omniedu 安装SDK（评测功能需装 omniedu[eval]），通过 OmniEdu.from_pretrained("4B", base_url=服务地址) 初始化客户端，调用 model.chat(text=...) 进行对话。

8. 评测对比： 使用 omniedu eval --list 查看12个教育评测基准列表，运行评测命令即可生成模型在各基准上的表现报告，便于开发者横向对比不同版本的性能差异。

5. 优缺点分析

6. 同类工具对比

选型建议： 对于有数据安全要求或需要深度定制教学行为的学校、教育机构，OmniEdu是当前开源方案中功能覆盖较完整的选择。其27B版本在解题准确率和教学行为质量上均有量化优势，4B版本则适合预算有限、仅需基础解题与诊断能力的场景。若团队缺乏GPU资源且对数据外传无顾虑，可考虑商用API方案，但需注意其在教学诊断和脚手架式辅导方面的专项能力不及OmniEdu。

对比MuduoLLM： 两者同属开源教育模型，但OmniEdu在几乎所有教育基准上均显著领先，尤其在MathTutor脚手架胜率（78.74%对30.42%）和TutorBench（59.42%对35.98%）上的差距，反映出OmniEdu在教学行为训练上的投入带来了实质性效果。MuduoLLM的优势在于模型规模较小（14B），对显存要求相对温和，适合作为轻量级解题工具使用。

7. 编辑总结

OmniEdu在技术创新上的核心贡献在于将"教学行为"作为可训练、可评测的模型能力，而非依赖通用大模型的指令遵循能力自然涌现。团队通过任务指令驱动机制、严格的数据筛选流程和token预算平衡策略，使模型能够按教学场景切换行为模式，这一设计思路在开源教育模型中具有明确的差异化价值。从实用角度看，OmniEdu覆盖了从解题、诊断到辅导的完整教学链路，且提供4B到27B的多档规模与FP8量化版本，兼顾了研究机构与一线学校的算力现实。其在MathTutor脚手架胜率从14%提升至78.74%的实验结果，也验证了教学行为可以通过针对性训练获得显著改善。模型适合三类人群使用：教育科技公司的产品研发团队可基于其构建个性化学习系统；一线教师可利用诊断与内容生成功能减轻备课和批改负担；高校研究团队可将其作为教育AI方向的研究基座。OmniEdu的未来发展潜力取决于两个方向：一是训练数据规模的持续扩展，当前约6.9万条精选样本虽质量较高，但覆盖的学科深度和年级广度仍有拓展空间；二是社区生态的建设，更丰富的部署教程和第三方工具将降低其落地门槛。整体而言，OmniEdu为教育AI的开源生态提供了一个功能完整、性能经过验证的参考实现。

8. 常见问题FAQ

Q：OmniEdu与通用大模型（如GPT系列）在教育场景下有何本质区别？
A：通用大模型擅长回答问题，但缺乏系统的教学行为能力。OmniEdu通过20种任务指令驱动行为切换，能够主动诊断学生错因、判断知识点前置关系、选择提示或追问等教学策略，而非仅仅给出答案。其在MathTutor脚手架任务上78.74%的胜率也证明教学行为可以被专门训练并量化提升。

Q：4B版本需要什么硬件配置才能流畅运行？
A：4B版本建议至少8GB显存的GPU，如NVIDIA RTX 3060 12GB或更高型号。若使用FP8量化版本，显存占用可进一步降低约37%–44%。CPU推理虽然可行但速度较慢，不适合实时教学交互场景。官方推荐通过vLLM部署以获取更好的吞吐性能。

Q：为什么生成回答时必须设置 enable_thinking=False？
A：OmniEdu的训练数据基于精简的监督回答设计，不包含冗长的思维链推理过程。设置 enable_thinking=False 可使模型直接输出最终教学回应，避免生成格式与训练分布不一致导致的内容异常。这是官方验证过的推荐配置，用户应遵循该参数设置。

Q：如何评估OmniEdu在不同教学任务上的实际效果？
A：官方工具包提供了12个教育评测基准，涵盖K-12解题（K12-Bench）、高考（GAOKAO-Bench）、数学竞赛（EDUMATH）、辅导对话（TutorBench）、脚手架教学（MathTutor）等维度。安装 omniedu[eval] 后执行 omniedu eval --list 可查看基准列表并生成评测报告。

Q：OmniEdu是否支持中文教学场景？
A：支持。GAOKAO-Bench（中国高考基准）上27B版本达到94.87%的准确率，说明模型对中文题目和国内课程体系有较好的理解能力。训练数据包含中文教育样本，模型能够用中文进行解题、诊断和辅导对话。

Q：FP8量化版本与原始版本在效果上有何差异？
A：FP8版本将权重压缩至8位浮点格式，下载体积缩小37%–44%，显存占用相应降低。官方未公布FP8与原始版本在全部基准上的详细对比，但量化技术通常会在极端复杂任务上带来小幅精度损失，建议在关键教学场景中优先使用原始版本，在资源受限环境中使用FP8版本。

9. 项目地址

• 项目官网：https://haolpku.github.io/Omni-Edu/
• GitHub仓库：https://github.com/haolpku/Omni-Edu
• HuggingFace模型库：https://huggingface.co/datasets/lhpku20010120/Omni-Edu
• arXiv技术论文：https://arxiv.org/pdf/2609.23088