DeepSeek-R1：让 AI 自己学会「慢思考」

2025 年 1 月 20 日，国产大模型公司 DeepSeek 发布了一款名为 DeepSeek-R1 的推理模型。它在数学、编程、逻辑推理等任务上的表现，与 OpenAI 同年 9 月发布的 o1 模型旗鼓相当——而 DeepSeek 选择将权重和技术报告全部开源。一时间，全球 AI 社区为之震动。

想象这样一个场景： 你向 AI 提问一道复杂的数学竞赛题，AI 不是立刻给出答案，而是像一位认真思考的学生一样，在「内心独白」中反复推演、验证、修正，最终一步一步地把解题思路和盘托出。这正是 DeepSeek-R1 带给用户的体验。

图 1：DeepSeek-R1 在多项推理基准测试中与 OpenAI o1 的对比（2025年1月发布版）

背景：从「暴力 Scaling」到「会思考的模型」

长期以来，业界普遍认为「大力出奇迹」——模型越大、训练数据越多，智能就越强。DeepSeek 团队并没有否认这一路线，但他们敏锐地捕捉到了一个被低估的方向：与其让模型记住更多知识，不如让模型学会主动思考。

2024 年 9 月，OpenAI 率先发布了 o1-preview，首次将「长思维链」（Long Chain-of-Thought）引入大众视野。o1 的核心思想是：让模型在回答前先生成一段完整的推理过程（think），再从中提炼出最终答案。这一「边想边答」的机制显著提升了模型在数学和代码任务上的表现。

DeepSeek 的团队深受启发，但他们想做的是把这件事推向极致——不仅让模型思考，还要让模型自己学会如何更好地思考。

核心技术：纯强化学习驱动的推理能力涌现

DeepSeek-R1 最引人注目的一点，是它的「零-shot 推理」特性。团队先训练了一个名为 DeepSeek-R1-Zero 的版本，它完全不使用任何监督微调（SFT）数据，直接从基础模型出发，通过大规模强化学习（RL）让模型自己涌现出推理能力。

这意味着什么？以往训练一个推理模型，需要人工标注大量「问题→推理过程→答案」的监督数据，成本极高且质量参差不齐。而 DeepSeek-R1-Zero 的实验表明：只要给出正确的奖励信号（答案对不对），模型自己就能摸索出有效的思考策略。

DeepSeek-R1-Zero 在训练过程中自发涌现出了三大能力：

• 自我验证（Self-Verification）：模型会回头检查自己的推理是否自洽；
• 反思（Reflection）：当发现推理卡壳时，模型会「回退」重新尝试；
• 长思维链生成（Long CoT）：面对复杂问题，模型能生成数千 token 的思考过程。

不过，DeepSeek-R1-Zero 也有明显缺陷：容易陷入重复输出、语言混杂、格式不友好。团队在 R1-Zero 的基础上加入了「冷启动数据」（少量高质量的推理样本），经过两轮 RL + 两轮 SFT，最终得到 DeepSeek-R1，在保持强大推理能力的同时，输出质量大幅改善。

模型家族：满血版与蒸馏版

DeepSeek-R1 实际上是一个庞大的模型家族，包含两个层次：

满血版（671B 参数）：

• DeepSeek-R1-Zero：纯 RL 驱动，能力强大但输出不够稳定；
• DeepSeek-R1：冷启动 + RL + SFT，各方面更均衡。

两者的共同特点是采用了 MoE（混合专家）架构——671B 总参数中，每次推理只激活 37B，因此理论上可以在多卡环境下运行。

蒸馏版（1.5B ~ 70B）： DeepSeek 团队用 R1 生成的高质量推理数据，对多个开源基座模型进行了微调，产出了 6 个规模的蒸馏模型：

模型	基座	推荐硬件
DeepSeek-R1-Distill-Qwen-1.5B	Qwen2.5-Math-1.5B	单卡 RTX 3060 级别
DeepSeek-R1-Distill-Qwen-7B	Qwen2.5-Math-7B	单卡 RTX 4060 级别
DeepSeek-R1-Distill-Qwen-14B	Qwen2.5-14B	单卡 RTX 4090 级别
DeepSeek-R1-Distill-Qwen-32B	Qwen2.5-32B	双卡或高端单卡
DeepSeek-R1-Distill-Llama-8B	Llama-3.1-8B	单卡 RTX 4060 级别
DeepSeek-R1-Distill-Llama-70B	Llama-3.3-70B-Instruct	多卡 A100 级别

这些蒸馏模型的意义在于：把大模型的「推理思维模式」压缩进了小模型里。DeepSeek-R1-Distill-Qwen-32B 在 AIME 2024 数学竞赛题上达到 72.6% 的 pass@1，超越了 OpenAI o1-mini 的 63.6%。这说明小模型通过蒸馏，确实可以「继承」大模型的推理能力。

基准测试：多项超越 OpenAI o1

DeepSeek-R1 在各大推理基准上的表现是它最大的亮点：

• 数学：AIME 2024（美国数学邀请赛）Pass@1 达到 79.8%，超越 o1-mini（63.6%）；MATH-500 达到 97.3%，接近满分。
• 编程：LiveCodeBench（实时代码评测）65.9%，Codeforces Rating 达到 2029（超越 o1-mini 的 1820），意味着打败了全球 96.3% 的参赛者。
• 通用知识：MMLU 90.8%，ArenaHard 92.3%，均超越 GPT-4o 和 Claude-3.5-Sonnet。

图 2：DeepSeek-V3 在多项通用基准上的表现（DeepSeek-R1 基于同架构）

争议与局限：它真的比 o1 强吗？

冷静来看，DeepSeek-R1 也存在一些争议：

1. 「对标 o1」是真是假？ 基准测试数字上，DeepSeek-R1 确实在多项任务上超越了 o1-mini，但 OpenAI 的 o1 是闭源服务，完整版 o1-1217 的具体能力并未公开。DeepSeek-R1 真正对标的是 o1-mini，在部分任务（如 GPQA Diamond）仍落后于 o1-1217。

2. 蒸馏模型的「作弊」争议 有研究者指出，DeepSeek 的蒸馏数据可能包含了 benchmark 题目的答案——即模型在蒸馏阶段「见过」测试题，因此测试分数不能完全代表真实能力。这一争议尚未有定论。

3. 输出可读性问题 即使在 DeepSeek-R1（而非 R1-Zero）中，长思维链输出的格式有时仍不够友好，尤其在中文场景下可能出现语言混杂。用户需要通过 prompt engineering（如强制以 <think> 开头）来改善。

4. 无法本地部署满血版 671B 参数的完整模型需要约 800GB+ GPU 显存，当前的消费级硬件根本无法运行。团队建议使用蒸馏模型或通过官方 API 调用。

行业意义：开源推理模型的里程碑

DeepSeek-R1 的发布，在 AI 行业引发的震动远超技术本身：

• 开源社区的胜利：这是第一次有团队证明「纯 RL 不需要 SFT 也能涌现推理能力」，打破了此前必须依赖大量监督数据的假设；
• 成本范式转变：DeepSeek 多次以极低训练成本实现顶级模型性能，让「小团队也能做出大模型」成为可能；
• 蒸馏范式的验证：R1 的蒸馏实验表明，强大的推理能力可以被「教会」给更小的模型，这为边缘部署和本地化推理提供了路径。

如何使用

官方 API（推荐）： 访问 platform.deepseek.com，使用与 OpenAI 兼容的 API，只需将 base_url 改为 DeepSeek 端点即可。

本地蒸馏模型部署（示例）：

使用 vLLM 启动 DeepSeek-R1-Distill-Qwen-32B： vllm serve deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --tensor-parallel-size 2 --max-model-len 32768 --enforce-eager

或使用 SGLang： python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --trust-remote-code --tp 2

使用建议：

• 温度设置 0.5~0.7（推荐 0.6），避免重复；
• 避免添加 system prompt，所有指令放在 user prompt；
• 数学题建议加 prompt：「Please reason step by step, and put your final answer within \boxed{}」；
• 强制模型以 <think> 开头，防止跳过思考过程。

许可说明： DeepSeek-R1 采用 MIT 许可证，支持商业使用和模型蒸馏。蒸馏模型的许可取决于其基座模型（Qwen 系列为 Apache 2.0，Llama 系列为 Llama 3.1/3.3 License）。