直接干穿美国科技股，DeepSeek这国产模型凭啥？

专题：DeepSeek为何能震动全球AI圈

　　来源：差评X.PIN

　　马上就要过年了，差评君这几天还正忙着办年货，结果回家刚拿起手机，就被 AI 刷屏了。

　　如果说上次的 V3 模型，是让硅谷对中国 AI 侧目的话，那这次就直接是被掀了桌子了，他们发布了一个叫 DeepSeek-R1 的大模型，完全比得上 OpenAI-o1 那种，结果亮相以后引起的反响比上次还要大！

　　Meta 联合创始人看了都直呼改变历史，不惜溢美之词，还在后面的推文里跟 DeepSeek 的黑子对喷。

　　参投过 OpenAI 、 Databricks 、 Character.AI 等知名企业的风投大佬马克 · 安德森也对 DeepSeek-R1 一顿猛夸，说它最令人惊叹、最印象深刻，是对世界的一份深刻馈赠。

　　而其他 AI 爱好者和网友们也是纷纷选择用脚投票，每月几百块的 ChatGPT 拜拜了您内！

　　然后就跟之前小红书爆火类似， DeepSeek 的应用商店排名迅速上升，现在已经成了 APPSTORE 排名第一的软件。

　　不仅美国人被搞得友邦惊诧， DeepSeek 现在在国内更是红的没边。

　　这几天微博热搜上跟它相关的，每天都要挂好几个。

　　甚至不少 AI 行业的圈外人都深有感触，比如做黑神话的冯骥，也在微博上感慨良多，说这是 “ 国运级别的科技成果 ” 。

　　就连差评编辑部的主编老师，体验完以后都直呼好用，能拿来做培训了。

　　其他网友们实际体验下来，也纷纷表示这玩意确实牛逼。

　　不说别的，就拿跟 OpenAI-o1 对比来看，某网友让这俩分别写个脚本，要用 python 画一个红球在旋转的三角形里弹跳，结果左边 OpenAI 搞出来一坨，右边的 DeepSeek 倒是表现的相当流畅。

　　一句话， o1 办得了的它能办， o1 办不了的它也能办，这简直是踢馆行为，一脚踹飞了国产 AI 只能屈居人后的牌匾。

　　不过除了扬眉吐气以外，估计不少差友也跟差评君一样有点疑问，毕竟 DeepSeek 这么一个以前都没怎么听说过的小厂，咋突然就能支棱起来、名扬世界了呢？

　　在暗涌采访 DeepSeek 创始人梁文锋的报道中，咱还是找到了一部分原因，因为这是一个相当重视创新的公司。

　　而这种创新驱动的技术突破在这个团队内并不罕见。

　　不过比起单个技术点的突破，这次 R1 牛的地方却在于路径创新，甚至能改变整个 AI 领域的技术路线。

　　换句话说，传统大厂搞AI 就像应试教育：先给海量标注数据搞填鸭式教学（ SFT ），再拿强化学习（ RL ）做考前突击。结果就是训练出 GPT-4o 这种 “ 别人家孩子 ” ——解题步骤工整规范，但总感觉少了点灵性。

　　而更要命的是，这种训练需要花大量的资源，很多时间和资金都得花在数据标注跟微调上。

　　但 DeepSeek 牛的地方在于，他们这个推理模型的核心全靠强化学习，完事用一个叫 GRPO 的算法给模型的回答打分，然后继续优化，这些步骤里一点 SFT 都不带用的。

　　于是在这种高强度的淬炼中，一个只花了 600 万美元，两个月时间锻造出来的宗门天才，出场就达到了世家大族花了几个亿资金练了几年的水平。

　　实际上，早在几周前， DeepSeek 团队的研究人员就用这种思路，在原先那个 V3 的基础上完全靠强化学习搞出来了一个 R1-Zero 版本

　　前几天 DeepSeek 放出来的的技术报告里提到， Zero 版本在训练中进化速度非常明显，很快就能跟 OpenAI-o1 掰掰手腕了，在部分测试项目中甚至还高于 o1 。

　　除了推理能力在明显进步，Zero 甚至在推理中表现出了主动复盘反思纠错的行为，在做题的过程中它突然就意识到自己做错了，然后开始回头演算。

　　官方的备注里说，大模型在这里突然用了一个拟人化的说法 aha moment （ 顿悟时刻 ），不仅 Zero“ 顿悟了 ” 了，研究人员看到这的时候也 “ 顿悟了 ” 。

　　当其他 AI 还在背公式时， Zero 已经学会在草稿纸上画辅助线了，这完全可以说是 AI 推理上的里程碑事件：

　　没有预先的数据标注、没有微调，仅仅只靠模型的强化学习，模型就可以涌现出这个程度的推理能力。

　　这相当于给全世界搞 AI 的人上了一课，原来还可以这么玩。。。

　　虽然推理能力已经被证明了，不过 Zero 的缺点也很明显。

　　纯强化学习养出来的 AI ，活脱脱就是个钢铁直男，模型输出的可读性较差，或者说，讲话不怎么符合人类预期。

　　这时候就到了 SFT 上场表演的时候了， DeepSeek 团队在 Zero 强而有力的推理基础上，又增加了一部分 SFT 训练来让模型会说人话，于是， DeepSeek-R1 堂堂诞生！

　　神奇的是，在 Zero 基础上经过这么一套 “ 文理双修 ” 的骚操作后，优化后的 R1 推理能力甚至还进一步提高了，还是看测试数据：

　　MMLU 和 AlpacaEval 2.0 综合知识测试中， R1 的胜率分别达到 90.8% 和 87.6% ，力压一众闭源大模型。

　　用 Yann Lecun 的话说，这波是开源的伟大胜利！这下谁还敢说开源就是落后啊。（ 战术后仰 ）

　　不过要说 R1 的成功还只是证明了开源模型的实力，那 R1 技术报告最后一部分才是最离谱的。。。

　　也就是说，只要把 R1 的 “ 学习笔记 ” 做成教辅资料，打包喂给其他的小模型 AI ，让它们也跟着抄作业，学会这些好学生的作业思路，结果居然能提高小模型的水平！

　　比如说把 R1 的错题本发给 Qwen 和 Llama 架构，结果抄完作业的 Qwen-7B 模型，在 AIME 测试中通过率达到了 55.5% ，已经赶上了参数体量大了快 5 倍的 QwQ-32B-Preview （ 50.0% ）；

　　像 70B 参数版看完了学霸笔记以后也跟打通了任督二脉似的，在 GPQA Diamond （ 65.2% ）、 LiveCodeBench （ 57.5% ）等任务中甚至闭都能跟闭源模型 o1-mini 掰掰手腕。

　　换句话说， DeepSeek 这波这不仅验证了 “ 小模型 + 好老师 ” 的技术路线，更让个人开发者也能调教出匹敌 GPT-4 的 AI 。

　　于是现在全球开源社区已经疯了， HuggingFace 连夜成立项目组，准备复刻整个训练流程。不少网友都说这特么的才算 Open ！这个项目也被叫做 Open R1 。

　　也有网友算过账：用 R1 方案训练 7B 模型，成本从百万美元级直接砍到二十万级别，显卡用量比挖矿还省，这简直是真正的科技平权行为，活该它爆火！

　　巧合的是，跟 R1 这波爆火同时，众多赛博基建大厂们的股价开始下跌，英伟达盘前跌了 10% 以上。不少人觉得或许是因为 DeepSeek 的逆天训练成本，影响了投资人的判断。

　　就像梁文锋说的， “ 我们经常说中国 AI 和美国有一两年差距，但真实的 gap 是原创和模仿之差……有些探索也是逃不掉的。 ” 

　　“ 中国AI 不可能永远处在跟随的位置。 ” 

　　顺带一提，今天小红书上有网友被DeepSeek的性能吓到了，担心自己被AI取代，而当她向DeepSeek 表达出担忧后，它给出了这样的回答：

　　撰文：纳西

　　编辑：江江 & 面线

　　美编：阳光

　　图片、资料来源：

　　DeepSeek-R1 ： Incentivizing Reasoning Capability in LLMs viaReinforcement Learning 

　　暗涌 Waves ：揭秘 DeepSeek ： 一个极致的中国理想技术主义故事

　　机器学习算法与自然语言处理：大模型 SFT 的 100 个关键点

　　深度学习与 NLP ，新智元， X 等，部分图源网络