DeepSeek最新模型硬刚o1！业界大佬：这才配叫OpenAI

OpenAI怎么也没想到，o3还在画饼阶段，中国一夜之间就冒出来两个能和o1打对台的模型。

1月20日，月之暗面正式推出多模态思考模型Kimi k1.5，并首次公开该模型的训练技术报告。其中，Kimi k1.5在short-CoT（短链思考）方面达到领先水平，在其他多个测试中也大幅超越GPT-4和Claude Sonnet 3.5。在long-CoT（长链思考）方面，该模型在多个领域的表现也与o1持平。

同一天，DeepSeek正式开源R1推理模型，并发布技术报告。R1在多个基准测试中与o1持平，并且成本只有o1的三十分之一。

随着R1模型的开源，英伟达高级研究科学家Jim Fan称：“我们生活在这样一个时代：由非美国公司保持OpenAI 最初的使命——做真正开放的前沿研究、为所有人赋能。”Perplexity CEO Aravind Srinivas更是直言：“DeepSeek才配叫做OpenAI。”

不过，R1依然面临着开源模型V3一样的毛病。有网友向他提问“谁训练你的”时，它回答道：“我是被OpenAI开发的”。

新模型硬刚OpenAI

北京时间1月20日，月之暗面发布了多模态思考模型Kimi k1.5。

在short-CoT模式下，Kimi k1.5的数学、代码、视觉多模态和通用能力大幅超越了GPT-4o和Claude 3.5 Sonnet，领先幅度高达550%。在long-CoT模式下，Kimi k1.5的数学、代码、多模态推理能力达到了OpenAI o1正式版的水平。

月之暗面表示，这应该是全球范围内，首次有OpenAI之外的公司实现o1正式版的多模态推理性能。

同一天，DeepSeek正式开源R1推理模型，允许所有人在遵循MIT License（注：被广泛使用的一种软件许可条款）的情况下，蒸馏R1训练其他模型。

在数学、代码和自然语言推理等任务上，R1的性能比肩o1正式版。同时根据DeepSeek公布的测试数据，R1在美国AIME 2024、MATH- 500 和 SWE- bench Verified测试中的比分均高于o1。AIME 2024和MATH-500测试专注于数学能力，SWE-bench Verified则用于评估AI模型解决现实世界软件问题的能力。

更重要的是，R1的价格只有o1的约三十分之一，百万token（文本处理的基本单元）输出只需16元人民币。相较而言，o1的百万token输出需要60美元（约合人民币436元）。

另外，R1的参数量较低，开发人员可以用相对较低的成本在本地运行模型。Exo Lab创始人Alex Cheema在家使用7个MacMini串联一个MacBook成功运行起了R1模型。他感叹道：“AGI（通用人工智能）到家了。”

大佬纷纷点赞DeepSeek

R1的技术文档发布后，Jim Fan第一时间对论文进行研究，之后发出了这样的感慨：“我们生活在这样一个时代：由非美国公司保持OpenAI 最初的使命——做真正开放的前沿研究、为所有人赋能。”

他补充道：“DeepSeek-R1不仅开源了大量模型，还泄露了所有训练秘密。他们可能是第一个显示RL（强化学习）飞轮发挥主要作用、持续增长的OSS项目。（对AI研究的）影响不仅可以通过‘内部实现ASI’或‘草莓计划’等神话名称来实现，也可以通过简单的转储原始算法和matplotlib学习曲线来产生影响。”

Jim Fan的每一句话都在戳喜欢搞神秘、卖期货的OpenAI的肺管子。

实际上，业界有这种看法的人还不少。Abacus ai的CEO Bindu Reddy评价道：“这是开源AGI的胜利，一家来自中国的小型初创公司击败了所有人”。

UC Berkeley 教 授 Alex Dimakis也认为，DeepSeek现在已经处于领先位置，美国公司可能需要迎头赶上了。

Aravind Srinivas 更是直言：“DeepSeek才配叫做OpenAI。”

除了对OpenAI的讽刺之外，Jim Fan还深入解读了R1模型的创新之处。他表示，R1模型纯粹由RL驱动，完全没有SFT（冷启动）。这让人想起AlphaZero，从头开始掌握围棋、将棋和国际象棋，而无需先模仿人类大师级的动作。

而且，R1使用由硬编码规则计算的真值奖励，避免使用任何RL容易攻击的学习奖励模型。随着训练的进行，模型的思考时间稳步增加。Jim Fan强调，这不是预先编程好的，而是一种模型自主的突发特性，并且模型也出现了自我反省和探索行为。

DeepSeek还使用了一种名为GRPO（组相对策略优化）的新优化方法，有效减少了内存使用。GRPO 由 DeepSeek 于2024年2月发明。这也是为什么家用设备也能完整运行R1的原因。

基于此，有网友指出，鉴于Deepseek仍在使用GRPO等GPU性能较差的方法，可以推断出，该公司可能没有很多功能强大的Hopper GPU。这意味着，算力训练成本也是极低的。

有网友评价，这是AI的“顿悟时刻”：“R1-Zero（注：R1是R1-Zero调整后的模型）证明模型可以自我开发推理策略。举个例子：当遇到问题时，它学会了回溯并质疑其最初的假设——这是一种从未明确编程的行为。”这代表着DeepSeek的新模型已经能够具有像人类一样的自主学习能力。

知名AI评测员Matthew Berman表示，R1拥有他所见过的最像人类的内心独白。