在人工智能領(lǐng)域，一場悄無聲息的革命正在上演。1月20日，DeepSeek團隊震撼發(fā)布了其最新開源模型——DeepSeek-R1，該模型一經(jīng)推出，便在GitHub上迅速收獲了超過4000個星標(biāo)，成為大模型領(lǐng)域的焦點。
DeepSeek-R1的問世，不僅打破了之前關(guān)于其是否基于OpenAI o1進行蒸餾的傳言，團隊更是直接宣稱：“我們的模型可以與開源版的o1一較高下。”這一聲明無疑為DeepSeek-R1增添了更多神秘色彩。
值得注意的是，DeepSeek-R1在模型訓(xùn)練上實現(xiàn)了重大突破，摒棄了傳統(tǒng)的SFT數(shù)據(jù)，完全依賴于強化學(xué)習(xí)（RL）進行訓(xùn)練。這一改變意味著模型已經(jīng)具備了自我思考的能力，更加貼近人類的思維模式。
網(wǎng)友們對DeepSeek-R1的評價頗高，甚至有人將其譽為“開源LLM界的AlphaGo”。這一贊譽不僅體現(xiàn)了DeepSeek-R1的強大實力，也反映了公眾對于開源模型發(fā)展的期待。
DeepSeek團隊的自信并非空穴來風(fēng)。在后訓(xùn)練階段，DeepSeek-R1憑借有限的數(shù)據(jù)，在模型推理能力上遠(yuǎn)超o1。在數(shù)學(xué)、代碼和自然語言推理等多個領(lǐng)域，DeepSeek-R1都展現(xiàn)出了卓越的性能。
例如，在AIME 2024數(shù)學(xué)競賽中，DeepSeek-R1取得了79.8%的成績，略高于OpenAI的o1-1217。在MATH-500測試中，DeepSeek-R1更是達到了97.3%的高分，與o1-1217相當(dāng)，同時顯著優(yōu)于其他模型。在編程競賽方面，DeepSeek-R1也表現(xiàn)出了專家級水平，其Codeforces上的Elo評級達到了2029，超過了96.3%的人類參賽者。
DeepSeek團隊還開源了6個參數(shù)不同的小模型，包括1.5B、7B、8B、14B、32B和70B。這些蒸餾過的模型在性能上不僅超越了GPT-4o、Claude 3.5 Sonnet和QwQ-32B，甚至與o1-mini的效果相當(dāng)。
更令人驚嘆的是，DeepSeek-R1在成本上僅為o1的五十分之一，卻能實現(xiàn)與o1相同的效能。這種高性價比讓DeepSeek-R1成為了“花小錢，辦大事”的典范。
DeepSeek-R1的成功不僅在于其卓越的性能，更在于其開源的訓(xùn)練數(shù)據(jù)集和優(yōu)化工具。這一做法讓不少網(wǎng)友直呼：“這才是真正的Open AI。”DeepSeek團隊的核心技術(shù)包括Self play、Grpo以及Cold start，這些技術(shù)的運用使得DeepSeek-R1在訓(xùn)練過程中能夠自主思考、自我優(yōu)化，從而實現(xiàn)了性能上的飛躍。
DeepSeek-R1的發(fā)布引起了國內(nèi)外大模型從業(yè)者的廣泛關(guān)注。深度賦智CEO吳承霖評價道：“DeepSeek R1確實厲害，但方法非常簡單，核心其實就三點?！边@三點正是Self play、Grpo以及Cold start，它們共同構(gòu)成了DeepSeek-R1成功的基石。
