推理性能直逼o1，DeepSeek再次出手，重点：即将开源

ttxx

机器之心报道

编辑：佳琪、蛋酱

DeepSeek 又出手了，这次又是重磅炸弹。

昨晚，DeepSeek 上线了全新的推理模型 DeepSeek-R1-Lite-Preview，直接冲击 OpenAI o1 保持了两个多月的大模型霸主地位。

在美国数学竞赛（AMC）中难度等级最高的 AIME 以及全球顶级编程竞赛（codeforces）等权威评测中，DeepSeek-R1-Lite-Preview 模型已经大幅超越了 GPT-4o 等顶尖模型，有三项成绩还领先于 OpenAI o1-preview。

背后的秘诀，就是「深度思考」。

更多的强化学习、原生的思维链、更长的推理时间，能让大模型的性能更强，这在领域内已经是广泛共识。这种模式其实非常像人类大脑的深度思考。

与 OpenAI o1 有点不一样的是，DeepSeek-R1-Lite-Preview 会在回复中展示「思路链」推理，也就是响应查询和输入的不同链或「思路」，并解释它在做什么以及为什么这样做。

就像是解题时，有人喜欢将每一步骤都详尽地写在卷子上，而 DeepSeek-R1-Lite-Preview 更进一步：把内心 OS 也都写出来了。

DeepSeek 官方表示，DeepSeek R1 系列模型使用强化学习训练，推理过程包含大量反思和验证，思维链长度可达数万字。已经发布的 DeepSeek-R1-Lite-Preview 使用的是一个较小的基座模型，尚未完全释放长思维链的潜力。

对于用户的 Prompt，DeepSeek-R1-Lite-Preview 会有一个很长的推理过程。如上图中的红色实线所示，模型所能达到的准确率与所给定的推理长度呈正相关。且相比于传统的多次采样 + 投票（Majority Voting），模型思维链长度增加展现出了更高的效率。

最惊艳的是，发布即上线：所有用户均可通过官网开启与 DeepSeek-R1-Lite-Preview 的对话，但注意要先在输入框中打开「深度思考」模式，每天限制 50 次使用。

体验地址：http://chat.deepseek.com/

不得不说，对 o1 直接发起冲击的 DeepSeek，着实让国内 AI 社区振奋了一把：

图源：https://www.zhihu.com/question/4689435060/answer/36575793425

由于 DeepSeek-R1-Lite-Preview 目前仅支持网页使用，没有发布完整代码供独立第三方分析或基准测试，也没有通过 API 提供 DeepSeek-R1-Lite-Preview 以进行同类独立测试，也没有解释 DeepSeek-R1-Lite-Preview 是如何训练或构建的博客文章或技术论文，大家心中其实还有许多的「问号」。

但 DeepSeek 已经表示，正式版 DeepSeek-R1 模型会完全开源，还会公开技术报告，部署 API 服务。

图源：https://www.zhihu.com/question/4689435060/answer/36604051127

回想起上一次，DeepSeek-V2 的开源和 API 降价，直接引发了国产大模型厂商的降价浪潮。同样的力度再来一波，不知道大家如何顶住。

耐心等待的时间里，我们先来实测一下。

一手实测体验

与 OpenAI o1 相同的是，根据问题的复杂程度，它也需要「思考」数十秒后再回答。

虽然有些过程中的思路在人类看来可能毫无意义，甚至是错误的，但据初步测评，DeepSeek-R1-Lite-Preview 回复的最终整体准确率还是比较高的。

比如它可以回答 GPT-4o 和 Claude 系列都翻车过的问题 —— 经典陷阱题「Strawberry 这个词中有多少个字母 R？」和「9.11 和 9.9 哪个更大？」。

有用户在 DeepSeek Chat 上使用这些 Prompt 进行测试，回复结果和思考用时情况如下：

Strawberry 这个词中有多少个字母 R？用时 29 秒。

9.11 和 9.9 哪个更大？用时 9 秒。

不过在数草莓的问题上，R1-Lite-Preview 有时也会困惑，数出「只有 2 个 r」的答案：

机器之心也实测了一把，似乎对于中文，R1-Lite-Preview 的准确率更高：

对于需要动脑的问题，R1-Lite-Preview 的表现也可圈可点，比如它可以破解行测题的逻辑陷阱：

由 LeCun 提出的物理题：圆周上均匀分布了 7 根轴，每根轴上都有一个齿轮。每个齿轮都与其左边和右边的齿轮啮合。齿轮从 1 到 7 编号，依次沿圆周排列。问题是：如果齿轮 3 顺时针旋转，问齿轮 7 会沿什么方向旋转？

得出解来十分丝滑：

接下来，给 R1-Lite-Preview 上点强度，看看它能否笑对大学物理的噩梦：《电磁学千题解》。

在 34 秒内，它根据题意列出了对应的公式，得到了正确答案：

至于 R1-Lite-Preview 被全球顶级编程竞赛（codeforces）等权威评测检验过的代码能力，让它手撕大厂秋招级别的 Leetcode 经典题「岛屿问题」试一下：

运行起来也没大问题。

然而，相比推理、物理和编程，R1-Lite-Preview 的数学能力可能没那么让人放心。

比如科技博主 @Transformer - 周问了一道中学水平的数列题，只有 o1 和 o1mini 做对了，R1-Lite-Preview 没想出关键的破题思路，而是「蒙」出了答案。

而对于最能考验人类大脑的深度思考能力的 IMO 国际数学奥林匹克竞赛试题，R1-Lite-Preview 的表现是这样的：

这道代数题相当难，全球仅有 5 个人全对。在长达 162 秒的思考过程中，R1-Lite-Preview 洋洋洒洒地把解题思路写成了一篇小论文，可能它的老师也教过 —— 把解题过程写上能得一半分。

令人遗憾的是，最终答案 c=1 是错的，正确答案如下：

而另一位「解题过程没写全」的选手 OpenAI o1 却给出了正确答案：

这说明，DeepSeek-R1-Lite-Preview 仍有进步空间，也更让我们期待完整版模型的发布了。

各位读者已经试用了吗？欢迎在评论区分享有趣的实测案例。

https://mp.weixin.qq.com/s/e1YnTxZlzFvjcmrLLTA8fw

https://venturebeat.com/ai/deepseeks-first-reasoning-model-r1-lite-preview-turns-heads-beating-openai-o1-performance/


来源：网易