深度求索发布大语言模型DeepSeek-R1

据深度求索介绍，DeepSeek-R1在后训练阶段大规模使用强化学习技术，在仅有极少标注数据的情况下，极大提升模型推理能力。这意味着该模型的训练跳过了监督微调（SFT）的步骤。
在第三方基准测试中，DeepSeek-R1在算法类代码场景和知识类测试中的得分略低于OpenAI的o1，但在工程类代码场景、美国数学竞赛项目上均超越o1模型。

令外界更关注的是，与o1性能比肩的DeepSeek-R1，训练成本比o1低了五十分之一。

此外，深度求索提供更加低廉的收费方案，每百万tokens（大模型基本单位，1000个tokens约等于500个汉字）仅需16元人民币，远低于o1模型每百万tokens要价438元。

去年12月，深度求索公司发布DeepSeek-V3模型，仅使用2048块英伟达弱化版的H800晶片，花两个月就训练出性能比肩GPT4.0的模型。

DeepSeek能在多大程度上转化为实际的科学和技术应用，还是仅仅在基准测试中表现优异，仍有待观察。

除了深度求索公司，字节跳动星期三（1月22日）发布豆包大模型1.5 Pro，并称该模型在美国数学竞赛项目基准测试中表现优于o1模型。