在人工智能界掀起波澜的DeepSeek团队，于近日震撼发布了其最新力作——DeepSeek-R1模型。这款开源模型一经问世，便在Github平台上迅速积累了超过4000颗星的瞩目成绩，成为大模型领域的一颗璀璨新星。

DeepSeek-R1的问世，不仅有力回击了此前关于其借鉴OpenAI o1的质疑，团队更是直接宣称：“我们的R1能与开源版的o1平分秋色。”这一自信宣言，无疑为业界带来了新的震撼。

尤为DeepSeek-R1在训练方式上实现了重大突破，摒弃了传统的SFT数据依赖，完全通过强化学习（RL）进行训练。这一创新之举，标志着R1已经具备了自我思考的能力，更加贴近人类的思维逻辑。

R1的卓越表现，让众多网友将其誉为“开源LLM界的AlphaGo”。在数学、代码、自然语言推理等多个领域，R1均展现出了与o1正式版不相上下的实力，甚至在某些基准测试中更胜一筹。

例如，在AIME 2024数学竞赛中，DeepSeek-R1取得了79.8%的优异成绩，略高于OpenAI的o1-1217。在MATH-500测试中，R1更是以97.3%的高分与o1-1217并驾齐驱，同时远超其他模型。在编程竞赛方面，R1同样表现出色，其在Codeforces上的Elo评级达到了2029，超越了96.3%的人类参赛者。

DeepSeek团队还将R1蒸馏出了6个小模型并开源给社区，参数从1.5B到70B不等。其中，蒸馏过的R1 32B和70B模型在性能上不仅超越了GPT-4o、Claude 3.5 Sonnet和QwQ-32B，甚至与o1-mini的效果相当。更令人惊叹的是，R1在实现这些卓越性能的同时，成本仅为o1的五十分之一。

除了R1在基准测试中的优异表现外，其发布即开源的训练数据集和优化工具也赢得了众多网友的赞誉。他们纷纷表示，这才是真正的Open AI精神。

DeepSeek-R1的成功背后，离不开其三大核心技术的支撑：Self play、Grpo以及Cold start。DeepSeek团队此次开源的R1模型共有两个版本，分别是DeepSeek-R1-Zero和DeepSeek-R1，两者均拥有660B的参数，但功能各有特色。

DeepSeek-R1-Zero完全摒弃了SFT数据，仅通过强化学习进行训练，实现了大模型训练中首次跳过监督微调的壮举。而DeepSeek-R1则在训练过程中引入了少量的冷启动数据，并通过多阶段强化学习优化模型，极大提升了模型的推理能力。

DeepSeek-R1在训练过程中还出现了“顿悟时刻”，模型自发地学会了“回头检查步骤”的能力。这一能力的涌现，并非程序员直接教授，而是在算法通过奖励正确答案的机制下自然形成的。这一发现，无疑为人工智能的发展带来了新的启示。