模型家族
DeepSeek R1
DeepSeek R1 是中国 AI 公司深度求索开发的推理模型。它用纯强化学习（不用 SFT）训练出了强大的推理能力，以极低成本达到接近 o1 的水平——引发了全球对"中国 AI 超车"的热议。
① 一句话定义
DeepSeek R1 是深度求索（DeepSeek）在 2025 年 1 月发布的推理专用模型，对标 OpenAI o1。它的核心创新是不依赖大量人工标注的 SFT 数据，而是通过强化学习让模型自主发展出思维链推理能力——包括自我验证、反思、回溯等高级推理行为。
④ 典型应用场景
数学证明、复杂代码调试、科学推理、逻辑谜题——任何需要深度多步推理的任务。R1 在 MATH 500 和 AIME 2024 等数学竞赛级别基准上达到或接近 o1 的水平。
更多
DeepSeek R1 的训练流程：先用纯强化学习（Group Relative Policy Optimization，GRPO）训练 DeepSeek-V3-Base——没有人工标注的"参考答案"，模型完全通过试错和奖励信号学习推理。结果模型自发涌现出了"思考-验证-修正"的推理行为。然后结合少量高质量 SFT 数据做降温训练，最终得到 R1。这种训练方式大幅降低了对昂贵人工标注的依赖。
DeepSeek R1 的训练成本据 DeepSeek 宣称远低于 OpenAI o1——引发了对"高效训练"vs"算力堆积"两种技术路线的激烈讨论。
「DeepSeek R1 证明了"顶级 AI 能力不一定需要顶级预算"——通过创新的训练方法（纯 RL），用更少的成本达到了接近最先进水平的推理能力。它是中国 AI 从"跟跑"到"并跑"的里程碑。
」