之前提到过，DeepSeek 发布的 R1 模型凭借低成本、高性能推理能力引发全球 AI 社区震动。

在 GitHub 搜索 DeepSeek 关键词，除了深度求索官方的开源仓库外。我整理了排序最靠前的 5 个开源项目。

01

DeepSeek 复现狂潮

DeepSeek 的核心思路是通过强化学习优化小模型性能，被多个开源项目成功复现。包括这三个代表性项目：Hugging Face的 Open-R1、港科大的 simpleRL-reason 与伯克利团队的 TinyZero。

① Hugging Face 的 Open-R1 

HuggingFace 的 CEO 在 X 上宣布，要开源复现 DeepSeek-R1 模型过程中的所有内容，包括训练数据、脚本等。目前复现的开源项目 open-r1 已经获得了 17.2k 的 Star。

项目地址：https://github.com/huggingface/open-r1

作为最受关注的复现项目，Open-R1 旨在完整复刻 DeepSeek-R1 的技术路径，并补齐未公开的细节。其计划分三阶段：  

• 蒸馏高质量推理数据集：从 R1 提取知识，构建通用语料库。  

• 验证 GRPO 算法：通过纯强化学习训练模型，无需监督微调（SFT）。  

• 完整多阶段训练流程：基础模型、监督微调、强化学习多阶段

尝试跨领域迁移，将框架扩展至代码生成（优化代码结构）和医学诊断（症状推理链构建），验证推理能力的通用性。  

② 港科大 simpleRL-reason

这是 DeepSeek-R1-Zero 和 DeepSeek-R1 在数据有限的小模型上进行训练的复制品。目前已经获得 2.2k 的 Star！

项目地址：https://github.com/hkust-nlp/simpleRL-reason

港科大团队用 7B 参数的 Qwen2.5-Math 模型和仅 8000 个数学样本，验证了 R1 方法的有效性。其采用两种训练策略：  

• SimpleRL-Zero：直接对基础模型应用PPO强化学习。  

• SimpleRL：先通过监督微调冷启动，再结合强化学习。  

③ TinyZero 

伯克利团队以倒计时游戏为测试场景，用不到 30 美元成本复现了 R1-Zero。目前已经获得了 8.9K 的 Star。

项目地址：https://github.com/Jiayi-Pan/TinyZero

实验发现：  

• 参数规模决定能力：0.5B模型仅会猜测，而1.5B模型已能执行搜索、自我验证与修正。  

• 任务决定行为模式：在倒计时任务中，模型倾向搜索；在数值乘法中，则分解问题（如利用分配律）。  

• 算法无关性：PPO、GRPO、PRIME 等不同强化学习算法均能激发长链思维，且指令微调非必需。  

该项目验证了低成本复现R1的可行性，为资源有限的开发者提供了实践范本。

02

DeepSeek iOS 客户端高仿版

基于 SwiftUI 开发的 DeepSeek API 移动端 AI 应用。通过 DeepSeek 强大的大语言模型能力, 为用户提供流畅的 AI 对话体验。

支持实时对话、多轮交互、历史记录管理、自定义提示词等功能,让您随时随地享受智能对话服务。

开源地址：https://github.com/DargonLee/DeepSeek

03

gpt4free：免费调用多款顶尖大模型

国外一位大神 xtekky 最近开源的，目前已经获得了 63.4k 的 Star！支持 DeepSeek V3/R1等主流大模型，用户无需支付 API 费用即可体验。

GitHub地址：https://github.com/xtekky/gpt4free

04

点击下方卡片关注我

这个公众号历史发布过很多有趣的开源项目，如果你懒得翻文章一个个找，你直接和逛逛 GitHub 对话聊天就行了：