DeepSeek 又出手了，這次又是重磅炸彈。

昨晚，DeepSeek 上線了全新的推理模型 DeepSeek-R1-Lite-Preview ，直接沖擊 OpenAI o1 保持了兩個(gè)多月的大模型霸主地位。

在美國(guó)數(shù)學(xué)競(jìng)賽（AMC）中難度等級(jí)最高的 AIME 以及全球頂級(jí)編程競(jìng)賽（codeforces）等權(quán)威評(píng)測(cè)中，DeepSeek-R1-Lite-Preview 模型已經(jīng)大幅超越了 GPT-4o 等頂尖模型，有三項(xiàng)成績(jī)還領(lǐng)先于 OpenAI o1-preview。

背后的秘訣，就是「深度思考」。

更多的強(qiáng)化學(xué)習(xí)、原生的思維鏈、更長(zhǎng)的推理時(shí)間，能讓大模型的性能更強(qiáng)，這在領(lǐng)域內(nèi)已經(jīng)是廣泛共識(shí)。這種模式其實(shí)非常像人類大腦的深度思考。

與 OpenAI o1 有點(diǎn)不一樣的是，DeepSeek-R1-Lite-Preview 會(huì)在回復(fù)中展示「思路鏈」推理，也就是響應(yīng)查詢和輸入的不同鏈或「思路」，并解釋它在做什么以及為什么這樣做。

就像是解題時(shí)，有人喜歡將每一步驟都詳盡地寫(xiě)在卷子上，而 DeepSeek-R1-Lite-Preview 更進(jìn)一步：把內(nèi)心 OS 也都寫(xiě)出來(lái)了。

DeepSeek 官方表示，DeepSeek R1 系列模型使用強(qiáng)化學(xué)習(xí)訓(xùn)練，推理過(guò)程包含大量反思和驗(yàn)證，思維鏈長(zhǎng)度可達(dá)數(shù)萬(wàn)字。已經(jīng)發(fā)布的 DeepSeek-R1-Lite-Preview 使用的是一個(gè)較小的基座模型，尚未完全釋放長(zhǎng)思維鏈的潛力。

對(duì)于用戶的 Prompt，DeepSeek-R1-Lite-Preview 會(huì)有一個(gè)很長(zhǎng)的推理過(guò)程。如上圖中的紅色實(shí)線所示，模型所能達(dá)到的準(zhǔn)確率與所給定的推理長(zhǎng)度呈正相關(guān)。且相比于傳統(tǒng)的多次采樣 + 投票（Majority Voting），模型思維鏈長(zhǎng)度增加展現(xiàn)出了更高的效率。

最驚艷的是，發(fā)布即上線：所有用戶均可通過(guò)官網(wǎng)開(kāi)啟與 DeepSeek-R1-Lite-Preview 的對(duì)話，但注意要先在輸入框中打開(kāi)「深度思考」模式，每天限制 50 次使用。

體驗(yàn)地址：http://chat.deepseek.com/

不得不說(shuō)，對(duì) o1 直接發(fā)起沖擊的 DeepSeek，著實(shí)讓國(guó)內(nèi) AI 社區(qū)振奮了一把：

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

由于 DeepSeek-R1-Lite-Preview 目前僅支持網(wǎng)頁(yè)使用，沒(méi)有發(fā)布完整代碼供獨(dú)立第三方分析或基準(zhǔn)測(cè)試，也沒(méi)有通過(guò) API 提供 DeepSeek-R1-Lite-Preview 以進(jìn)行同類獨(dú)立測(cè)試，也沒(méi)有解釋 DeepSeek-R1-Lite-Preview 是如何訓(xùn)練或構(gòu)建的博客文章或技術(shù)論文，大家心中其實(shí)還有許多的「問(wèn)號(hào)」。

但 DeepSeek 已經(jīng)表示，正式版 DeepSeek-R1 模型會(huì)完全開(kāi)源，還會(huì)公開(kāi)技術(shù)報(bào)告，部署 API 服務(wù)。

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

回想起上一次，DeepSeek-V2 的開(kāi)源和 API 降價(jià)，直接引發(fā)了國(guó)產(chǎn)大模型廠商的降價(jià)浪潮。同樣的力度再來(lái)一波，不知道大家如何頂住。

耐心等待的時(shí)間里，我們先來(lái)實(shí)測(cè)一下。

一手實(shí)測(cè)體驗(yàn)

與 OpenAI o1 相同的是，根據(jù)問(wèn)題的復(fù)雜程度，它也需要「思考」數(shù)十秒后再回答。

雖然有些過(guò)程中的思路在人類看來(lái)可能毫無(wú)意義，甚至是錯(cuò)誤的，但據(jù)初步測(cè)評(píng)，DeepSeek-R1-Lite-Preview 回復(fù)的最終整體準(zhǔn)確率還是比較高的。

比如它可以回答 GPT-4o 和 Claude 系列都翻車過(guò)的問(wèn)題 —— 經(jīng)典陷阱題「Strawberry 這個(gè)詞中有多少個(gè)字母 R？」和「9.11 和 9.9 哪個(gè)更大？」。

有用戶在 DeepSeek Chat 上使用這些 Prompt 進(jìn)行測(cè)試，回復(fù)結(jié)果和思考用時(shí)情況如下：

Strawberry 這個(gè)詞中有多少個(gè)字母 R？用時(shí) 29 秒。

9.11 和 9.9 哪個(gè)更大？用時(shí) 9 秒。

不過(guò)在數(shù)草莓的問(wèn)題上，R1-Lite-Preview 有時(shí)也會(huì)困惑，數(shù)出「只有 2 個(gè) r」的答案：

機(jī)器之心也實(shí)測(cè)了一把，似乎對(duì)于中文，R1-Lite-Preview 的準(zhǔn)確率更高：

對(duì)于需要?jiǎng)幽X的問(wèn)題，R1-Lite-Preview 的表現(xiàn)也可圈可點(diǎn)，比如它可以破解行測(cè)題的邏輯陷阱：

由 LeCun 提出的物理題：圓周上均勻分布了 7 根軸，每根軸上都有一個(gè)齒輪。每個(gè)齒輪都與其左邊和右邊的齒輪嚙合。齒輪從 1 到 7 編號(hào)，依次沿圓周排列。問(wèn)題是：如果齒輪 3 順時(shí)針旋轉(zhuǎn)，問(wèn)齒輪 7 會(huì)沿什么方向旋轉(zhuǎn)？

得出解來(lái)十分絲滑：

接下來(lái)，給 R1-Lite-Preview 上點(diǎn)強(qiáng)度，看看它能否笑對(duì)大學(xué)物理的噩夢(mèng)：《電磁學(xué)千題解》。

在 34 秒內(nèi)，它根據(jù)題意列出了對(duì)應(yīng)的公式，得到了正確答案：

至于 R1-Lite-Preview 被全球頂級(jí)編程競(jìng)賽（codeforces）等權(quán)威評(píng)測(cè)檢驗(yàn)過(guò)的代碼能力，讓它手撕大廠秋招級(jí)別的 Leetcode 經(jīng)典題「島嶼問(wèn)題」試一下：

運(yùn)行起來(lái)也沒(méi)大問(wèn)題。

然而，相比推理、物理和編程，R1-Lite-Preview 的數(shù)學(xué)能力可能沒(méi)那么讓人放心。

比如科技博主 @Transformer - 周問(wèn)了一道中學(xué)水平的數(shù)列題，只有 o1 和 o1mini 做對(duì)了，R1-Lite-Preview 沒(méi)想出關(guān)鍵的破題思路，而是「蒙」出了答案。

而對(duì)于最能考驗(yàn)人類大腦的深度思考能力的 IMO 國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽試題，R1-Lite-Preview 的表現(xiàn)是這樣的：

這道代數(shù)題相當(dāng)難，全球僅有 5 個(gè)人全對(duì)。在長(zhǎng)達(dá) 162 秒的思考過(guò)程中，R1-Lite-Preview 洋洋灑灑地把解題思路寫(xiě)成了一篇小論文，可能它的老師也教過(guò) —— 把解題過(guò)程寫(xiě)上能得一半分。

令人遺憾的是，最終答案 c=1 是錯(cuò)的，正確答案如下：

而另一位「解題過(guò)程沒(méi)寫(xiě)全」的選手 OpenAI o1 卻給出了正確答案：

這說(shuō)明，DeepSeek-R1-Lite-Preview 仍有進(jìn)步空間，也更讓我們期待完整版模型的發(fā)布了。