趕在放假前，支棱起來的國產(chǎn) AI 大模型廠商井噴式發(fā)布了一大堆春節(jié)禮物。

前腳 DeepSeek-R1 正式發(fā)布，號稱性能對標 OpenAI o1 正式版，后腳 k1.5 新模型也正式登場，表示性能做到滿血版多模態(tài) o1 水平。

如果再加上此前強勢登場的智譜 GLM-Zero，階躍星辰推理模型 Step R-mini，星火深度推理模型 X1，年末上大分的國產(chǎn)大模型拉開了真刀真槍的帷幕，也給以 OpenAI 為代表的海外模型狠狠上了一波壓力。

• DeepSeek-R1 ：在數(shù)學、代碼、自然語言推理等任務上，性能比肩 OpenAI o1 正式版
• 月之暗面 k1.5：數(shù)學、代碼、視覺多模態(tài)和通用能力全面超越 GPT-4o 和 Claude 3.5 Sonnet。
• 智譜 GLM-Zero：擅長處理數(shù)理邏輯、代碼和需要深度推理的復雜問題
• 階躍 Step-2 mini：極速響應，平均首字時延僅 0.17 秒，還有 Step-2 文學大師版
• 星火 X1：數(shù)學能力亮眼，有全面思考過程，拿捏小學、初中、高中、大學全學段數(shù)學

井噴不是偶然的爆發(fā)，而是積蓄已久的力量，可以說，國產(chǎn) AI 模型在春節(jié)前夕的突圍，將有望重新定義 AI 發(fā)展的世界坐標。

昨晚率先發(fā)布的 DeepSeek-R1 現(xiàn)在已經(jīng)上架 DeepSeek 官網(wǎng)與 App，打開就能用。

9.8 和 9.11 哪個大以及 Strawberry 里有幾個 r 的難題在第一次測試中就順利過關，別看思維鏈略顯冗長，但正確答案事實勝于雄辯。

面對弱智吧難題「跳多高才能跳過手機上的廣告」的拷問， 響應速度極快的 DeepSeek-R1 不僅能夠避開語言陷阱，還提供了不少規(guī)避廣告的的建議，十分人性化。

幾年前，有一道名為「如果昨天是明天，今天就是星期五，實際今天是星期幾」的邏輯推理題走紅網(wǎng)絡，在面臨同樣問題的拷問后，OpenAI o1 給出的答案是周日，DeepSeek-R1 則是周三。

但就目前來看，至少 DeepSeek-R1 更靠近答案。

據(jù)介紹，DeepSeek-R1 在數(shù)學、代碼、自然語言推理等任務上，性能比肩 OpenAI o1 正式版，理論上更偏向于理科生。

正好趕上小紅書上中美兩國網(wǎng)友在友好交流數(shù)學作業(yè)，我們也讓 DeepSeek-R1 幫忙解疑答惑。

插個冷知識，上回 DeepSeek 海外爆火時就有網(wǎng)友發(fā)現(xiàn)，其實 DeepSeek 也支持圖片識別，我們可以直接讓模型分析美國網(wǎng)友上傳的試卷圖片。

攏共兩道題，第一道題選 C，第二道題選 A，并且，「自信滿滿」的 DeepSeek-R1 推測第二道題原題的選項中無 18，結合選項推測原題可能存在筆誤（如方程應為 r2=9cos?(2θ)r2=9cos(2θ)）。

在隨后的線性代數(shù)證明題中，，DeepSeek-R1 提供的證明步驟邏輯嚴謹，同一道題目還提供了多種驗證方法，展現(xiàn)出深厚的數(shù)學功底。

始于性能，陷于成本，忠于開源。 DeepSeek-R1 正式發(fā)布之后，也同步開源模型權重。我宣布，來自中國東方的 DeepSeek 才是真正的 OpenAI。

據(jù)悉，DeepSeek-R1 遵循 MIT License，允許用戶通過蒸餾技術借助 R1 訓練其他模型。DeepSeek-R1 上線 API，對用戶開放思維鏈輸出，通過設置 model=’deepseek-reasoner’ 即可調用。

并且，DeepSeek-R1 訓練技術全部公開，論文鏈接指路?? https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf

DeepSeek-R1 技術報告里提到一個值得關注的發(fā)現(xiàn)，那就是 R1 zero 訓練過程里出現(xiàn)的「aha moment（頓悟時刻）」。

在模型的中期訓練階段，DeepSeek-R1-Zero 開始主動重新評估初始解題思路，并分配更多時間優(yōu)化策略（如多次嘗試不同解法）。換句話說，通過 RL 框架，AI 可能自發(fā)形成類人推理能力，甚至超越預設規(guī)則的限制。

并且這也將有望為開發(fā)更自主、自適應的 AI 模型提供方向，比如在復雜決策（醫(yī)療診斷、算法設計）中動態(tài)調整策略。正如報告所說，「這一時刻不僅是模型的『頓悟時刻』，也是研究人員觀察其行為時的『頓悟時刻』?！?/p>

除了主打的大模型，DeepSeek 的小模型同樣實力不俗。

DeepSeek 通過對 DeepSeek-R1-Zero 和 DeepSeek-R1 這兩個 660B 模型的蒸餾，開源了 6 個小模型。其中，32B 和 70B 型號在多個領域達到了 OpenAI o1-mini 的水準。

并且，僅 1.5B 參數(shù)大小的 DeepSeek-R1-Distill-Qwen-1.5B 在數(shù)學基準測試中超越了 GPT-4o 和 Claude-3.5-Sonnet，AIME 得分為 28.9%，MATH 得分為 83.9%。

HuggingFace鏈接：https://huggingface.co/deepseek-ai

在 API 服務定價方面，號稱 AI 屆拼多多的 DeepSeek 也采用了靈活的階梯定價：每百萬輸入 tokens 根據(jù)緩存情況收費 1-4 元，輸出 tokens 統(tǒng)一 16 元，再次大幅降低開發(fā)使用成本。

DeepSeek-R1 發(fā)布以后，也再次在海外 AI 圈引起轟動，收獲了大量「自來水」。其中，博主 Bindu Reddy 更是給 Deepseek 冠上了開源 AGI 和文明的未來之稱。

出色的評價源于模型在網(wǎng)友的實際應用中出色的表現(xiàn)。從 30 秒詳細闡釋勾股定理，到 9 分鐘深入淺出地講解量子電動力學原理并提供可視化呈現(xiàn)。DeepSeek-R1 沒有任何差錯。

甚至也有網(wǎng)友特別欣賞 DeepSeek-R1 所展示的思維鏈，認為「像極了人類的內心獨白，既專業(yè)又可愛」。

英偉達高級研究科學家 Jim Fan 對 DeepSeek-R1 給予了高度評價。他指出這代表著非美國公司正在踐行 OpenAI 最初的開放使命，通過公開原始算法和學習曲線等方式實現(xiàn)影響力，順便還內涵了一波 OpenAI。

DeepSeek-R1 不僅開源了一系列模型，還披露了所有訓練秘密。它們可能是首個展示 RL 飛輪重大且持續(xù)增長的開源項目。
影響力既可以通過『ASI 內部實現(xiàn)』或『草莓計劃』等傳說般的項目實現(xiàn)，也可以簡單地通過公開原始算法和 matplotlib 學習曲線來達成。

在深入研究論文后，Jim Fan 特別強調了幾個關鍵發(fā)現(xiàn)：

完全由強化學習驅動，沒有任何 SFT（監(jiān)督微調）。讓人聯(lián)想到 AlphaZero——從零開始掌握圍棋、將棋和國際象棋，而不是先模仿人類大師的棋步。這是論文中最關鍵的發(fā)現(xiàn)。 使用硬編碼規(guī)則計算的真實獎勵。

避免使用強化學習容易破解的學習獎勵模型。 隨著訓練進展，模型的思考時間逐步增加——這不是預先編寫的程序，而是一種涌現(xiàn)特性！ 自我反思和探索行為的涌現(xiàn)。

GRPO 替代了 PPO：它移除了 PPO 的評論網(wǎng)絡，改用多個樣本的平均獎勵。這是一種減少內存使用的簡單方法。需要注意的是，GRPO 是作者團隊提出的一種創(chuàng)新方法。

整體來看，這項工作展示了強化學習在大規(guī)模場景中實際應用的開創(chuàng)性潛力，并證明某些復雜行為可以通過更簡單的算法結構實現(xiàn)，而無需進行繁瑣的調整或人工干預。

一圖勝千言，更明顯的對比如下：

就這樣，DeepSeek 再次在海內外完成二次爆火，不僅是一次技術突破，更是中國乃至世界的開源精神的勝利，也因此收獲了不少海外忠實擁躉。

同一天上線的還有 Kimi v1.5 多模態(tài)思考模型。

自去年 11 月 Kimi 推出 k0-math 數(shù)學模型，12 月發(fā)布 k1 視覺思考模型以來，這是第三次 K 系列的重要上新。

在短思考模式（short-CoT）的較量中，Kimi k1.5 展現(xiàn)出壓倒性優(yōu)勢，其數(shù)學、代碼、視覺多模態(tài)和通用能力全面超越了行業(yè)翹楚 GPT-4o 和 Claude 3.5 Sonnet。

在長思考模式（long-CoT）的競爭中，Kimi k1.5 的代碼和多模態(tài)推理能力已經(jīng)比肩 OpenAI o1 正式版，成為全球范圍內首個在 OpenAI 之外實現(xiàn) o1 級別多模態(tài)推理性能的模型。

伴隨著模型的重磅發(fā)布，Kimi 還首次公開了完整的模型訓練技術報告。

GitHub 鏈接：https://github.com/MoonshotAI/kimi-k1.5

據(jù)官方介紹，k1.5 模型的核心技術突破主要體現(xiàn)在四個關鍵維度：

• 長上下文擴展。我們將 RL 的上下文窗口擴展到 128k，并觀察到隨著上下文長度的增加，性能持續(xù)提升。我們的方法背后的一個關鍵思想是，使用部分展開（partial rollouts）來提高訓練效率——即通過重用大量先前的軌跡來采樣新的軌跡，避免了從頭開始重新生成新軌跡的成本。我們的觀察表明，上下文長度是通過 LLMs 持續(xù)擴展RL的一個關鍵維度。
• 改進的策略優(yōu)化。我們推導出了long-CoT的 RL 公式，并采用在線鏡像下降的變體進行穩(wěn)健的策略優(yōu)化。該算法通過我們的有效采樣策略、長度懲罰和數(shù)據(jù)配方的優(yōu)化進一步得到改進。
• 簡潔的框架。長上下文擴展與改進的策略優(yōu)化方法相結合，為通過LLMs學習建立了一個簡潔的RL框架。由于我們能夠擴展上下文長度，學習到的 CoTs 表現(xiàn)出規(guī)劃、反思和修正的特性。增加上下文長度的效果是增加了搜索步驟的數(shù)量。因此，我們展示了可以在不依賴更復雜技術（如蒙特卡洛樹搜索、價值函數(shù)和過程獎勵模型）的情況下實現(xiàn)強大的性能。
• 多模態(tài)能力。我們的模型在文本和視覺數(shù)據(jù)上聯(lián)合訓練，具有聯(lián)合推理兩種模態(tài)的能力。該模型數(shù)學能力出眾，但由于主要支持LaTeX等格式的文本輸入，依賴圖形理解能力的部分幾何圖形題則難以應對。

k1.5 多模態(tài)思考模型的預覽版將陸續(xù)灰度上線官網(wǎng)和官方 App。值得一提的是，k1.5 的發(fā)布同樣在海外引起了巨大的反響。有網(wǎng)友對這個模型不吝贊美之詞，讓海外見證了中國 AI 實力的崛起。

實際上，年末國內推理模型的密集發(fā)布絕非偶然，這是 OpenAI 去年 10 月發(fā)布 o1 模型在全球 AI 領域掀起的漣漪終于傳導至中國的顯著標志。短短數(shù)月從追趕到比肩，國產(chǎn)大模型用行動證明了中國速度。

菲爾茲獎得主、數(shù)學天才陶哲軒曾認為這類推理模型或許只需再經(jīng)過一兩輪迭代與能力提升，就能達到「合格研究生」的水準。而 AI 發(fā)展的遠景遠不止于此。

當前，我們正見證著 AI 智能體一個關鍵的轉型時刻。從單純的「知識增強」向「執(zhí)行增強」跨越，開始主動參與決策制定和任務執(zhí)行的過程。與此同時，AI 也在突破單一模態(tài)的限制，向著多模態(tài)融合的方向快速演進。當執(zhí)行遇上思考，AI才真正具備了改變世界的力量。

基于此，像人一樣思考的模型正在為 AI 的實際落地開辟更多可能性。

表面上看，年末這波國內推理模型的密集涌現(xiàn)，表面上看或許帶有「中國式跟隨者創(chuàng)新」的影子，但深入觀察就會發(fā)現(xiàn)，無論是在開源策略的深度，還是在技術細節(jié)的精確度上，中國廠商依然走出了一條獨具特色的發(fā)展道路。