2025 年 1 月 20 日，幻方量化旗下的 AI 公司深度求索（DeepSeek）正式发布了 DeepSeek-R1 模型，并同步开源模型权重134。该模型性能对标 OpenAI o1 正式版，在数学、代码、自然语言推理等任务上表现出色123。以下是 DeepSeek-R1 的一些特点：

技术创新

• 强化学习的应用：DeepSeek-R1 在后训练阶段大规模使用强化学习技术，让模型在与环境的交互中不断优化行为策略，从而在仅有极少标注数据的情况下极大提升了推理能力。比如 DeepSeek-R1-zero 版本，它完全通过强化学习训练，没有使用任何预先标注的数据，基于 DeepSeek-V3-base 基础模型，通过 GRPO 算法进行训练，经过大量 “自学”，在推理任务中展现出惊人能力，在美国数学邀请考试（AIME）中得分大幅提升12。
• 多阶段训练流程：DeepSeek-R1 采用多阶段训练流程。首先基于冷启动数据进行初步训练，使用少量高质量数据对基础模型微调，为强化学习提供良好起点；然后进行面向推理的强化学习，专注提升模型在数学、代码等推理任务上的能力，并引入语言一致性奖励机制改善输出可读性；接着进行拒绝采样和监督微调，利用上一阶段训练的模型生成大量数据，筛选标注后再次对模型微调，进一步提高推理和通用能力；最后进行全场景强化学习，在各种任务和场景中训练，增强模型的帮助性和无害性，进一步提升推理能力2。

性能表现

• 数学能力突出：在数学竞赛如美国数学竞赛（AMC）中难度等级最高的 AIME 等权威评测中，DeepSeek-R1 模型成绩与 OpenAI o1 不相上下，甚至在某些指标上小幅超越3。
• 代码能力优秀：在全球顶级编程竞赛（codeforces）等测试中表现出色，说明其代码生成和理解能力较强，能为软件开发等领域提供有力支持3。
• 自然语言推理接近人类水平：在自然语言推理任务上，DeepSeek-R1 能够更好地理解和处理人类语言，输出更符合逻辑和语义的结果，使其在问答系统、文本生成等自然语言处理任务中有广泛应用前景1。

开源与成本优势

• 开源推动技术发展：DeepSeek-R1 同步开源模型权重，使得更多研究者和开发者能够接触和使用这一先进技术，加速技术传播和应用，为全球 AI 技术的发展和创新提供了新的契机1。
• API 定价低：输入费用低至每百万 tokens 1 元（缓存命中）/4 元（缓存未命中），输出费用仅为每百万 tokens 16 元，整体支出较 o1 节省 96%，在成本效益上具备压倒性的竞争力3。