中国DeepSeek公司开源R1推理模型系列，该系列模型在数学和编程测试中表现出色，部分领域达到与OpenAI o1模型相当的水平。R1模型以强化学习为核心训练方法，突破了对大规模标注数据的依赖。DeepSeek-R1-Zero模型展示了关联思考和自我验证能力，而改进版DeepSeek-R1通过冷启动数据和多阶段训练策略提升了整体性能。在多项基准测试中，DeepSeek-R1表现突出，尤其在数学和编程领域。DeepSeek还提供了多种参数规模的蒸馏模型，供不同需求的开发者使用。尽管R1模型性能强大，但对提示词敏感，且主要针对中英双语优化。DeepSeek还提供了API服务，价格具有竞争力，但用户需注意其潜在的内容生成规范和风险。

🚀DeepSeek R1模型系列以强化学习为核心训练方法，无需监督微调，突破了传统对大规模标注数据的依赖，展现出强大的推理能力。

🧠DeepSeek-R1-Zero模型完全透过强化学习，展现出关联思考、自我验证与反思能力等推理特性，证明了仅凭强化学习即可激发大型语言模型的推理能力。

📊DeepSeek-R1在数学和编程领域表现突出，在MATH-500测试中Pass@1准确率达到97.3%，在AIME 2024数学竞赛测试中达到79.8%的准确率，Codeforces编程竞赛平台上的评分达到2029，接近OpenAI o1模型水平。

💰DeepSeek-R1以deepseek-reasoner API形式提供服务，价格具有竞争力，但用户需注意其潜在的内容生成规范与风险，尤其是在敏感领域的应用。

中國DeepSeek公司宣布以MIT授權開源R1推論模型系列，該系列在數學與程式開發等相關測試中表現出色，部分領域已達到與OpenAI o1模型相當的水準。而R1模型系列的特別之處在於其以強化學習（Reinforcement Learning，RL）為核心訓練方法、不需要監督微調（Supervised Fine-Tuning，SFT），突破了傳統對大規模標註資料的依賴。DeepSeek-R1系列模型其訓練方法的突破，在DeepSeek-R1-Zero模型完全透過強化學習，展現出關聯思考（Chain of Thought，CoT）、自我驗證與反思能力等推理特性。與傳統仰賴大規模標註資料的模型不同，DeepSeek證明了僅憑強化學習即可激發大型語言模型的推理能力。只不過DeepSeek-R1-Zero模型的可讀性和語言一致性仍不足，為了克服該問題並提高推理效能，DeepSeek在強化學習之前，進一步採用冷啟動資料及多階段訓練策略，推出了改進版本DeepSeek-R1，成功提升了模型的整體性能。根據DeepSeek公開的論文，DeepSeek-R1模型在多項基準測試表現突出，在數學相關的MATH-500測試，其Pass@1準確率達到97.3％；在AIME 2024數學競賽測試中，達到79.8％的準確率，表現接近OpenAI o1模型。此外，DeepSeek-R1在Codeforces程式競賽平臺上的評分達到2029，勝過96.3％的參賽者，僅略低於OpenAI o1的96.6％，顯示其在程式開發領域的應用潛力。在開源策略上，DeepSeek釋出了完整模型，還推出多個經過蒸餾處理的模型版本，參數範圍從15億至700億不等，供不同資源需求的開發者或研究者使用。根據測試結果，蒸餾模型在AIME 2024、MATH-500與CodeForces等多項基準測試，超越像是GPT-4o與Claude-3.5-Sonnet等模型。雖然DeepSeek-R1表現出強大的能力，但仍存在一些限制，例如模型對提示詞的敏感性較高，尤其是當使用小樣本提示（Few-Shot Prompting）時，模型的性能會明顯下降，因此，建議用戶採用零樣本提示（Zero-Shot Prompting）的方式，也就是直接描述問題並明確說明輸出格式，而不提供任何範例。此外，目前該模型主要針對中英雙語最佳化，在處理其他語言的查詢時偶爾會出現語言混用現象。DeepSeek-R1也以deepseek-reasoner API的形式提供服務，輸入部分快取命中每百萬Token為0.14美元，未命中是0.55美元，輸出部分則按推理內容與最終答案的總Token數計價，每百萬Token收費2.19美元。與其他同等商業模型相比，DeepSeek-R1提供了極具競爭力的價格。不過，由於DeepSeek-R1模型來自中國公司，無論API服務與開源模型皆受中國政府言論審查，企業與個人使用仍應注意其潛在的內容生成規範與風險，特別是在敏感領域的應用。