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 保持了兩個多月的大模型霸主地位。

在美國數(shù)學(xué)競賽（AMC）中難度等級最高的 AIME 以及全球頂級編程競賽（codeforces）等權(quán)威評測中，DeepSeek-R1-Lite-Preview 模型已經(jīng)大幅超越了 GPT-4o 等頂尖模型，有三項成績還領(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、更長的推理時間，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。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，有人喜歡將每一步驟都詳盡地寫在卷子上，而 DeepSeek-R1-Lite-Preview 更進(jìn)一步：把內(nèi)心 OS 也都寫出來了。

DeepSeek 官方表示，DeepSeek R1 系列模型使用強(qiáng)化學(xué)習(xí)訓(xùn)練，推理過程包含大量反思和驗(yàn)證，思維鏈長度可達(dá)數(shù)萬字。已經(jīng)發(fā)布的 DeepSeek-R1-Lite-Preview 使用的是一個較小的基座模型，尚未完全釋放長思維鏈的潛力。

對于用戶的 Prompt，DeepSeek-R1-Lite-Preview 會有一個很長的推理過程。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：所有用戶均可通過官網(wǎng)開啟與 DeepSeek-R1-Lite-Preview 的對話，但注意要先在輸入框中打開「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，對 o1 直接發(fā)起沖擊的 DeepSeek，著實(shí)讓國內(nèi) AI 社區(qū)振奮了一把：

由于 DeepSeek-R1-Lite-Preview 目前僅支持網(wǎng)頁使用，沒有發(fā)布完整代碼供獨(dú)立第三方分析或基準(zhǔn)測試，也沒有通過 API 提供 DeepSeek-R1-Lite-Preview 以進(jìn)行同類獨(dú)立測試，也沒有解釋 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「問號」。

但 DeepSeek 已經(jīng)表示，正式版 DeepSeek-R1 模型會完全開源，還會公開技術(shù)報告，部署 API 服務(wù)。

回想起上一次，DeepSeek-V2 的開源和 API 降價，直接引發(fā)了國產(chǎn)大模型廠商的降價浪潮。同樣的力度再來一波，不知道大家如何頂住。

耐心等待的時間里，我們先來實(shí)測一下。

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

雖然有些過程中的思路在人類看來可能毫無意義，甚至是錯誤的，但據(jù)初步測評，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 系列都翻車過的問題 —— 經(jīng)典陷阱題「Strawberry 這個詞中有多少個字母 R？」和「9.11 和 9.9 哪個更大？」。

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

不過在數(shù)草莓的問題上，R1-Lite-Preview 有時也會困惑，數(shù)出「只有 2 個 r」的答案：

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

對于需要動腦的問題，R1-Lite-Preview 的表現(xiàn)也可圈可點(diǎn)，比如它可以破解行測題的邏輯陷阱：

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

得出解來十分絲滑：

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

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

至于 R1-Lite-Preview 被全球頂級編程競賽（codeforces）等權(quán)威評測檢驗(yàn)過的代碼能力，讓它手撕大廠秋招級別的 Leetcode 經(jīng)典題「島嶼問題」試一下：

運(yùn)行起來也沒大問題。

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

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

而對于最能考驗(yàn)人類大腦的深度思考能力的 IMO 國際數(shù)學(xué)奧林匹克競賽試題，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 個人全對。在長達(dá) 162 秒的思考過程中，R1-Lite-Preview 洋洋灑灑地把解題思路寫成了一篇小論文，可能它的老師也教過 —— 把解題過程寫上能得一半分。

令人遺憾的是，最終答案 c=1 是錯的，正確答案如下：

而另一位「解題過程沒寫全」的選手 OpenAI o1 卻給出了正確答案：

這說明，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。

各位讀者已經(jīng)試用了嗎？歡迎在評論區(qū)分享有趣的實(shí)測案例。