DeepSeek 发布开源推理模型 R1

发生了什么

2025 年 1 月 20 日，DeepSeek 发布了 DeepSeek-R1。官方发布说明用几句话概括：性能与 OpenAI-o1 相当；模型和技术报告完全开源；代码和模型采用 MIT 许可证，「可以自由蒸馏和商用」；网页版和 API 当天上线，在 chat.deepseek.com 打开「深度思考」（DeepThink）按钮即可使用。

同时公开的还有两样东西：

• R1-Zero：一个只靠「强化学习」训练出来的实验版本（下文解释）；
• 六个「蒸馏」小模型：DeepSeek 用 R1 生成的约 80 万条样本，去训练阿里的 Qwen2.5 和 Meta 的 Llama 3 系列开源模型，参数规模从 15 亿到 700 亿不等。DeepSeek 称其中 320 亿和 700 亿参数的版本与 OpenAI 的 o1-mini 水平相当。

R1 本身的规模是：总参数 6710 亿，但每次回答只启用其中约 370 亿（这种设计叫「混合专家」，可以理解为模型里有很多「专家」，每次只叫醒相关的一部分，省算力）。它是在 DeepSeek 一个月前发布的 V3 基础模型上训练出来的。

背景：什么是「推理模型」

R1 属于「推理模型」：回答之前会先写出一长段思考过程（可以看到它「想」了什么），再给出答案。这类模型擅长数学、编程这类需要一步步推导的问题。OpenAI 在 2024 年 9 月发布的 o1 是这类模型的代表。

R1 的意义之一，是把一种训练方法完整公开了。DeepSeek 在论文中说，R1-Zero 是「第一个公开研究验证」：大模型的推理能力可以纯粹通过强化学习激发出来，不需要先用人工示范数据做「监督微调」。

它有多强

DeepSeek 在模型说明中把 R1 和 OpenAI o1（2024 年 12 月 17 日版本）等模型放在一起比较。最常被引用的是美国数学邀请赛 AIME 2024：这是给美国高中数学尖子生出的竞赛题，难度远高于普通考试。

• DeepSeek-R179.8%
• OpenAI o179.2%
• OpenAI o1-mini63.6%
• DeepSeek-V339.2%
• Claude 3.5 Sonnet16.0%
• GPT-4o9.3%

所有分数均由 DeepSeek 在模型说明中公布；o1 为 2024-12-17 版本。 来源：DeepSeek-R1 模型说明（Hugging Face），2025-01-20

在同一张表里，R1 并不是全面领先：

评测	测的是什么	R1	o1
MATH-500	数学题	97.3%	96.4%
Codeforces	编程竞赛（超过多少比例的人类选手）	96.3%	96.6%
SWE-bench Verified	修复真实软件项目的漏洞	49.2%	48.9%
GPQA Diamond	研究生水平的科学题	71.5%	75.7%
SimpleQA	简单事实问答	30.1%	47.0%

大致可以这样理解：在数学和编程上两者相当，在科学知识和事实问答上 o1 更好。

为什么震动了市场

真正让 R1 成为大新闻的，不只是分数，而是「便宜」。

R1 发布前一个月，DeepSeek 发布了 V3 基础模型，并称其训练成本只有约 560 万美元（指最后一轮训练所用的算力费用）。据维基百科整理的资料，DeepSeek 称 V3 用了约 2000 块英伟达 H800 芯片、训练约 55 天；而全球领先的 AI 公司训练模型时，使用的芯片多达 1.6 万块。OpenAI 首席执行官奥尔特曼曾在 2023 年说，训练基础模型的花费「远超」1 亿美元。

R1 在 V3 之上再训练。2025 年 9 月，DeepSeek 在经过同行评审、发表于《自然》（Nature）的论文中首次给出 R1 自己的数字：

R1 训练成本（美元，不含 V3）

29.4 万

使用的 H800 芯片

512 块

R1 训练时长

80 小时

V3 自报训练成本（美元）

约 560 万

来源：路透社 2025-09-18 报道 DeepSeek 发表于《自然》的论文；V3 数字为 DeepSeek 2024 年底自报。

市场的逻辑是：如果用少得多的芯片就能做出同等水平的模型，那么各家公司计划中的巨额芯片和数据中心投资是否还有必要？

1. 11 月 20 日R1 发布，模型权重以 MIT 许可证公开，DeepSeek 应用和网页版可免费使用。
2. 21 月 27 日（周一）DeepSeek 应用超过 ChatGPT，成为美国 App Store 免费应用下载第一。
3. 3同一天据路透社，英伟达股价下跌近 17%，市值蒸发约 5930 亿美元，是华尔街单只股票单日市值损失的纪录；纳斯达克指数跌 3.1%。
4. 4同一天DeepSeek 称遭到「大规模恶意」网络攻击，暂时限制新用户注册。

来源：路透社、法新社 2025 年 1 月 27–28 日报道

（关于市值损失的数字，路透社按 LSEG 数据报道为约 5930 亿美元，法新社报道为约 5890 亿美元。）更完整的经过见本站《DeepSeek 登顶应用商店，英伟达单日蒸发约 5900 亿美元》。

据维基百科整理，美国总统特朗普称 DeepSeek 是一次「警醒」，微软首席执行官纳德拉和 OpenAI 的奥尔特曼都称它「非常令人印象深刻」；也有人表示怀疑，例如 Scale AI 首席执行官汪滔猜测中国拥有的英伟达 H100 芯片比外界以为的多。

需要注意的地方

• 分数是 DeepSeek 自己公布的。 上面的对比表全部来自 DeepSeek 的模型说明，测试条件由 DeepSeek 设定。
• 「训练成本」的口径很窄。 29.4 万美元只是 R1 在 V3 之上额外训练的费用；V3 的 560 万美元也只算最后一轮训练的算力，不含研发人员、前期实验和购买芯片的费用。据 The Decoder 报道，外界对 V3 真实总成本的估计从几千万到几亿美元不等。
• 芯片来源有争议。 据路透社报道，美国官员称 DeepSeek 拥有大量出口管制实施后获得的 H100 芯片；英伟达则称 DeepSeek 使用的是合法获得的 H800。DeepSeek 在《自然》论文的补充材料中首次承认拥有 A100 芯片，并在前期准备阶段用过它们。
• 「蒸馏」指控。 OpenAI 称 DeepSeek 可能「不当」使用了其模型的输出作训练数据（目前没有办法确证）。DeepSeek 在《自然》论文中表示，V3 的训练数据来自网络爬取的网页，其中包含「大量 OpenAI 模型生成的回答」，可能使模型间接学到其他强大模型的知识。2026 年 2 月，Anthropic 也指控 DeepSeek 用数千个虚假账号与 Claude 生成数百万段对话来训练自己的模型。
• 内容审查与隐私。 官方应用和 API 在中国大陆的服务器上运行，会对政治敏感话题进行审查；意大利、韩国、澳大利亚等多国监管机构对其数据收集提出过调查或限制。

对普通人意味着什么

• 免费用上「会思考」的模型。 R1 发布时，用户在 DeepSeek 网页和应用里打开「深度思考」就能免费使用它。现在 DeepSeek 的产品已更新到 V4 系列，见本站 DeepSeek 产品页和《DeepSeek V4》。
• 能在自己的设备上运行。 开源权重意味着企业可以把模型部署在自己的服务器上，数据不出门；蒸馏出的小模型（最小只有 15 亿参数）需要的算力要少得多。
• 价格压力。 R1 发布时的 API 价格为每百万 token 输入 0.55 美元（命中缓存为 0.14 美元）、输出 2.19 美元。据《财富》分析，DeepSeek 的开源路线带动了更多中国实验室发布开源模型，连 OpenAI 后来也发布了自己的开源权重模型 gpt-oss。