馬上就要過年了，差評君這幾天還正忙着辦年貨，結果回家剛拿起手機，就被 AI 刷屏了。
還記得前幾周跟六代機前後腳的 DeepSeek 不？他家那個 V3 模型震驚硅谷還沒幾天，現在又整出來一個絕世狠活。
如果說上次的 V3 模型，是讓硅谷對中國 AI 側目的話，那這次就直接是被掀了桌子了，他們發佈了一個叫 DeepSeek-R1 的大模型，完全比得上 OpenAI-o1 那種，結果亮相以後引起的反響比上次還要大！
Meta 聯合創始人看了都直呼改變歷史，不惜溢美之詞，還在後面的推文裏跟 DeepSeek 的黑子對噴。
參投過 OpenAI 、 Databricks 、 Character.AI 等知名企業的風投大佬馬克 · 安德森也對 DeepSeek-R1 一頓猛誇，說它最令人驚歎、最印象深刻，是對世界的一份深刻饋贈。
而其他 AI 愛好者和網友們也是紛紛選擇用腳投票，每月幾百塊的 ChatGPT 拜拜了您內！
哥們這就下載免費的 DeepSeek ！
然後就跟之前小紅書爆火類似， DeepSeek 的應用商店排名迅速上升，現在已經成了 APPSTORE 排名第一的軟件。
不僅美國人被搞得友邦驚詫， DeepSeek 現在在國內更是紅的沒邊。
這幾天微博熱搜上跟它相關的，每天都要掛好幾個。
甚至不少 AI 行業的圈外人都深有感觸，比如做黑神話的馮驥，也在微博上感慨良多，說這是 “ 國運級別的科技成果 ” 。
就連差評編輯部的主編老師，體驗完以後都直呼好用，能拿來做培訓了。
其他網友們實際體驗下來，也紛紛表示這玩意確實牛逼。
不說別的，就拿跟 OpenAI-o1 對比來看，某網友讓這倆分別寫個腳本，要用 python 畫一個紅球在旋轉的三角形裏彈跳，結果左邊 OpenAI 搞出來一坨，右邊的 DeepSeek 倒是表現的相當流暢。
一句話， o1 辦得了的它能辦， o1 辦不了的它也能辦，這簡直是踢館行爲，一腳踹飛了國產 AI 只能屈居人後的牌匾。
不過除了揚眉吐氣以外，估計不少差友也跟差評君一樣有點疑問，畢竟 DeepSeek 這麼一個以前都沒怎麼聽說過的小廠，咋突然就能支棱起來、名揚世界了呢？
在暗湧採訪 DeepSeek 創始人梁文鋒的報道中，咱還是找到了一部分原因，因爲這是一個相當重視創新的公司。
就拿之前在行業內大放異彩的 V2 、 V3 模型來說，這裏面有一個非常重要的多頭注意力機制，而這個技術最開始只是來自團隊內一位年輕開發者的創意，隨後大家一起在這個方案上鑽研才最終搞定。
而這種創新驅動的技術突破在這個團隊內並不罕見。
不過比起單個技術點的突破，這次 R1 牛的地方卻在於路徑創新，甚至能改變整個 AI 領域的技術路線。
這麼說吧，傳統大模型訓練裏邊，非常注重標註數據微調（ SFT ），也就是讓大模型先按人類標註好的標準答案來學習，學着說人話；如果想要大模型性能強些，那還要再在 SFT 基礎上加一些強化學習（ RL ），讓大模型的理解能力更好。
換句話說，傳統大廠搞AI就像應試教育：先給海量標註數據搞填鴨式教學（ SFT ），再拿強化學習（ RL ）做考前突擊。結果就是訓練出 GPT-4o 這種 " 別人家孩子 " ——解題步驟工整規範，但總感覺少了點靈性。
而更要命的是，這種訓練需要花大量的資源，很多時間和資金都得花在數據標註跟微調上。
但 DeepSeek 牛的地方在於，他們這個推理模型的核心全靠強化學習，完事用一個叫 GRPO 的算法給模型的回答打分，然後繼續優化，這些步驟裏一點 SFT 都不帶用的。
這就相當於把孩子扔到魷魚遊戲這種大逃殺劇本里，逼着模型自己琢磨最優路徑，要是開擺做不出題就寄了。
於是在這種高強度的淬鍊中，一個只花了 600 萬美元，兩個月時間鍛造出來的宗門天才，出場就達到了世家大族花了幾個億資金練了幾年的水平。
實際上，早在幾周前， DeepSeek 團隊的研究人員就用這種思路，在原先那個 V3 的基礎上完全靠強化學習搞出來了一個 R1-Zero 版本
前幾天 DeepSeek 放出來的的技術報告裏提到， Zero 版本在訓練中進化速度非常明顯，很快就能跟 OpenAI-o1 掰掰手腕了，在部分測試項目中甚至還高於 o1 。
除了推理能力在明顯進步，Zero 甚至在推理中表現出了主動覆盤反思糾錯的行爲，在做題的過程中它突然就意識到自己做錯了，然後開始回頭演算。
官方的備註裏說，大模型在這裏突然用了一個擬人化的說法 aha moment （ 頓悟時刻 ），不僅 Zero“ 頓悟了 ” 了，研究人員看到這的時候也 “ 頓悟了 ” 。
當其他 AI 還在背公式時， Zero 已經學會在草稿紙上畫輔助線了，這完全可以說是 AI 推理上的里程碑事件：
沒有預先的數據標註、沒有微調，僅僅只靠模型的強化學習，模型就可以湧現出這個程度的推理能力。
這相當於給全世界搞 AI 的人上了一課，原來還可以這麼玩。。。
雖然推理能力已經被證明了，不過 Zero 的缺點也很明顯。
純強化學習養出來的 AI ，活脫脫就是個鋼鐵直男，模型輸出的可讀性較差，或者說，講話不怎麼符合人類預期。
這就好比一個偏科天才，數學題解得出神入化，但表達能力堪憂，讓它寫篇小作文，分分鐘給你整出《 三體 》 ETO 既視感。
這時候就到了 SFT 上場表演的時候了， DeepSeek 團隊在 Zero 強而有力的推理基礎上，又增加了一部分 SFT 訓練來讓模型會說人話，於是， DeepSeek-R1 堂堂誕生！
神奇的是，在 Zero 基礎上經過這麼一套 " 文理雙修 " 的騷操作後，優化後的 R1 推理能力甚至還進一步提高了，還是看測試數據：
STEM 測評中的數學題目正確率達到了 97.3% ，比 OpenAI-o1 還高一點，遙遙領先了屬於是；代碼測試中 R1 也高達 65.9% ，遠超 Claude-3.5-Sonnet 的 38.9% 和 GPT-4o 的 32.9% ；
MMLU 和 AlpacaEval 2.0 綜合知識測試中， R1 的勝率分別達到 90.8% 和 87.6% ，力壓一衆閉源大模型。
用 Yann Lecun 的話說，這波是開源的偉大勝利！這下誰還敢說開源就是落後啊。（ 戰術後仰 ）
不過要說 R1 的成功還只是證明了開源模型的實力，那 R1 技術報告最後一部分纔是最離譜的。。。
在這部分他們說到，把 R1 的 SFT 數據蒸餾，餵給其他小模型進行 SFT ，會給其他開源模型來一波超級加強。
也就是說，只要把 R1 的 " 學習筆記 " 做成教輔資料，打包餵給其他的小模型 AI ，讓它們也跟着抄作業，學會這些好學生的作業思路，結果居然能提高小模型的水平！
比如說把 R1 的錯題本發給 Qwen 和 Llama 架構，結果抄完作業的 Qwen-7B 模型，在 AIME 測試中通過率達到了 55.5% ，已經趕上了參數體量大了快 5 倍的 QwQ-32B-Preview （ 50.0% ）；
像 70B 參數版看完了學霸筆記以後也跟打通了任督二脈似的，在 GPQA Diamond （ 65.2% ）、 LiveCodeBench （ 57.5% ）等任務中甚至閉都能跟閉源模型 o1-mini 掰掰手腕。
換句話說， DeepSeek 這波這不僅驗證了 " 小模型 + 好老師 " 的技術路線，更讓個人開發者也能調教出匹敵 GPT-4 的 AI 。
小模型只需要按優秀大模型搞 SFT 抄作業就行了，壓根不需要再在上面搞機器學習燒顯卡。
於是現在全球開源社區已經瘋了， HuggingFace 連夜成立項目組，準備復刻整個訓練流程。不少網友都說這特麼的纔算 Open ！這個項目也被叫做 Open R1 。
也有網友算過賬：用 R1 方案訓練 7B 模型，成本從百萬美元級直接砍到二十萬級別，顯卡用量比挖礦還省，這簡直是真正的科技平權行爲，活該它爆火！
巧合的是，跟 R1 這波爆火同時，衆多賽博基建大廠們的股價開始下跌，英偉達盤前跌了 10% 以上。不少人覺得或許是因爲 DeepSeek 的逆天訓練成本，影響了投資人的判斷。
不過在海的這頭，這樣一個完全由中國團隊做出來的爆火產品，卻再一次向世界證明了中國年輕人的潛力和開創精神。
就像梁文鋒說的， “ 我們經常說中國 AI 和美國有一兩年差距，但真實的 gap 是原創和模仿之差……有些探索也是逃不掉的。 ”
“ 中國AI不可能永遠處在跟隨的位置。 ”
順帶一提，今天小紅書上有網友被DeepSeek的性能嚇到了，擔心自己被AI取代，而當她向DeepSeek 表達出擔憂後，它給出了這樣的回答：
撰文：納西
編輯：江江 & 面線
美編：陽光
圖片、資料來源：
DeepSeek-R1 : Incentivizing Reasoning Capability in LLMs viaReinforcement Learning
暗湧 Waves ：揭祕 DeepSeek : 一個極致的中國理想技術主義故事
機器學習算法與自然語言處理：大模型 SFT 的 100 個關鍵點
深度學習與 NLP ，新智元， X 等，部分圖源網絡
更多遊戲資訊請關註：電玩幫遊戲資訊專區
電玩幫圖文攻略 www.vgover.com
