一文了解 DeepSeek R1 模型：AI 推理领域的革命性突破

网址：DeepSeek 官方网站

2025 年 1 月 20 日，DeepSeek 发布了全新的开源推理大模型 DeepSeek-R1。
这一模型在数学、编程和推理等多个任务上达到了与 OpenAI o1 相当的表现水平，同时将 API 调用成本降低了 90-95%。

这一发布不仅引发了 AI 圈的广泛关注，更让 DeepSeek 成为了 OpenAI 的有力竞争者。

---

一、DeepSeek-R1 的核心亮点

1. 纯强化学习的突破

DeepSeek-R1 的最大亮点在于其训练方法。

DeepSeek-R1-Zero 是首个完全通过强化学习（RL）训练的大型语言模型，无需依赖监督微调（SFT）或人工标注数据。

这一突破验证了仅通过奖励信号，模型也能发展出强大的推理能力。

在 AIME 2024 数学测试中：

• 准确率从 15.6% 提升至 71.0%。
• 使用多数投票机制后达到了 86.7%，接近 OpenAI o1-0912 的水平。

---

2. 冷启动与强化学习的结合