DeepSeek-R1

DeepSeek-R1发布背景

DeepSeek-R1是一款具有开创性的AI推理模型，由DeepSeek团队在2025年1月推出。该模型通过大规模强化学习训练，实现了与OpenAI的GPT系列模型相媲美的推理能力。DeepSeek-R1的独特之处在于其不依赖监督微调，而是直接进入强化学习阶段，通过“试错”模式自我进化发展推理能力。

此外，DeepSeek-R1还采用了开源策略，允许全球开发者和研究人员免费获取和使用其代码和模型，极大地促进了AI技术的开放、透明和协作发展。这一模型的推出，标志着AI在自主学习和推理能力方面取得了重大突破。

开源许可与模型蒸馏

• 开源许可：DeepSeek-R1采用MIT License，这是一种非常宽松的开源许可方式。它允许开发者自由使用、修改和分发模型，商业用途也不受限制，无需额外申请。
• 模型蒸馏：DeepSeek-R1支持模型蒸馏技术，这是一种将大模型的知识转移到小模型的技术，能在不损失太多性能的前提下，提升小模型的效率。这一特性有助于开发者训练出更高效、更具针对性的小模型，推动AI技术在不同场景的应用。

DeepSeek-R1性能表现

• 对标OpenAI o1：DeepSeek-R1在性能上对标OpenAI o1正式版，其成功的关键在于后训练阶段大规模运用强化学习技术。即使在标注数据极少的情况下，该技术也显著提升了模型的推理能力。
• 实际测试数据：在数学、代码、自然语言推理等任务中，DeepSeek-R1表现出色。例如，在AIME 2024（数学竞赛）的Pass@1指标中，DeepSeek-R1达到96.6%，与OpenAI o1正式版相当；在MATH-500测试中，DeepSeek-R1的Pass@1成绩也是94.3%，与OpenAI o1正式版持平。

小模型蒸馏

• 基于DeepSeek-R1的小模型：DeepSeek-R1团队基于该模型蒸馏出了6个小模型并开源。其中，32B和70B的小模型在多项能力上对标OpenAI o1-mini。例如，DeepSeek-R1-Distill-Qwen-32B在AIME 2024竞赛题测试中Pass@1达到72.6%，超过OpenAI o1-mini的63.6%；在MATH-500测试里，前者Pass@1成绩为94.3%，也优于OpenAI o1-mini的90.0%。
• 小模型的局限：尽管小模型在某些任务中表现优异，但面对复杂场景和大规模数据时，相比大模型可能存在性能差距。例如，在处理长篇文本的复杂语义理解和生成任务时，小模型的上下文理解和逻辑连贯性可能不如大模型。

DeepSeek-R1应用与API

• 应用便捷性：DeepSeek-R1在应用方面十分便捷。用户登录官网（ chat.deepseek.com ）或官方App，开启“深度思考”模式，就能调用它处理各种推理任务，如代码编写、内容创作等场景。
• API对外开放：DeepSeek-R1的API也对外开放。通过设置model=’deepseek-reasoner’，开发者即可调用该模型的API。但需要注意的是，API定价上，输入tokens缓存命中时每百万1元，未命中每百万4元，输出tokens每百万16元。对于需要大规模使用的企业和开发者来说，成本是个不可忽视的因素。

DeepSeek-R1其他特点与优势

• 多层推理方法：与传统AI推理不同，DeepSeek-R1采用多层推理的方法，以思路链、共识和搜索的方式优化回答。这一过程被称为“测试时间扩展”（Test-time Augmentation，TTA）。
• 英伟达支持：英伟达官方将DeepSeek-R1定义为“最先进推理能力的开放模型”。结合微软的云计算能力，DeepSeek-R1有望加速AI技术在各行业的应用。
• 国产AI搜索接入：秘塔AI搜索宣布融合了DeepSeek-R1满血版，实现了“国产最强推理+全网实时搜索+高质量知识库”的结合。这进一步提升了AI搜索的准确性和可靠性，并增强了推理能力。

论文链接： https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf
开源地址：https://github.com/deepseek-ai/DeepSeek-R1