DeepSeek-R1
DeepSeek-R1是由深度求索（DeepSeek）公司开发的大型语言推理模型，专注于复杂逻辑推理、数学运算和代码生成任务。该模型通过强化学习与思维链技术训练，具备较强的多步骤推理能力，支持开源部署，可在多种硬件平台上运行，是DeepSeek推理模型系列的代表性版本之一。
核心事实
时间轴 (近 90 天)
没有独显的旧笔记本或 P106 等矿卡适合运行 DeepSeek-R1 的 1.5B 或 7B 版本；24G 显存的 P40 可以直接运行 32B 版本。
UP 主在政府部门和医院的落地案例中看到过对 DeepSeek-R1 重新微调后支持工具调用的做法。
推理 token 指具备思维链能力的模型（如 OpenAI o 系列、DeepSeek-R1 等）在给出最终回答前生成的内部推理内容所消耗的 token，通常不直接展示给用户但会计入计费与上下文窗口占用。
知识蒸馏在 LLM 推理能力迁移中，通常指用强模型生成的带思维链回答作为监督数据训练弱模型，DeepSeek-R1 的蒸馏系列即属此类。
GPT 的 o1、DeepSeek-R1 等推理模型对应 System 2，会先生成思维链再作答，代价是延迟高、token 消耗大；决策模型对应 System 1，直接映射输入到标签。
DeepSeek-R1、Claude Sonnet 5.5和Claude Opus 5.5在resolve上拿到0.9375，但resolve-plus掉到0.875；DeepSeek-R1以这两个分数领跑开源组
DeepSeek-R1的120次试验全败得0分，原因是它把原始的<think> token输出到响应流中，在写出有效JSON前就超出256个token的输出预算
将推理模型放在严格的微契约后面时必须分离或剥离思考通道，否则会栽在协议语法上
DeepSeek-R1在推理中大量重复'等等'，表现为线性枚举可能性并反复自我怀疑
开源模型（如QwQ和DeepSeek-R1）在该导航任务上已能与顶级闭源商业模型同台竞技
还有 32 条时间轴事件
全部知识事实 (20)
推理模型以OpenAI o1、DeepSeek-R1、QwQ为代表，核心机制是思维链扩展，在给出最终答案前生成大量中间推理步骤
90%已验证DeepSeek-V3采用了混合专家架构（MoE），总参数量达6710亿，但每次推理仅激活约370亿参数
90%已验证DeepSeek 的训练成本据官方披露仅约 600 万美元
80%已验证DeepSeek-R1是专注于推理能力的模型，通过强化学习训练具备链式思考能力
80%已验证OpenAI o1系列模型于2024年9月发布，代表了LLM从快速直觉式回答向深度推理的范式转变
80%已验证DeepSeek R1提供了从1.5B到671B参数的多种蒸馏版本
80%已验证OpenAI的o1系列模型和DeepSeek-R1采用了类似Chain-of-Thought的显式推理机制
80%已验证2025年初，DeepSeek-R1以约600万美元的训练成本达到了与OpenAI o1相当的推理能力
80%已验证推理能力基于思维链（Chain-of-Thought, CoT）技术，模型在给出最终答案前生成内部逐步推导过程
80%已验证推理模型在输出最终答案前内部思维链可能消耗3000至20000个Token，远超普通模型的约500个Token
75%已验证DeepSeek-R1通过在代码和数学两个可验证域上大规模运行GRPO算法取得成功
75%已验证OpenAI o系列推理模型引入了慢思考机制，在输出最终答案前会先进行内部的思维链推理
75%已验证Meta的Llama系列、DeepSeek-R1、Mistral等主流开源模型大多属于开放权重模型
70%已验证DeepMind 研究表明在某些数学推理任务上通过增加推理时计算量，较小模型可以超越参数量更大的模型
70%已验证GRPO是DeepSeek团队提出的强化学习算法，它取消了PPO中的Critic Model，通过对同一问题生成一组回答计算组内相对奖励作为基线
65%已验证推理模型以OpenAI o系列、DeepSeek-R1、Kimi K系列为代表，在输出前进行思维链过程，对问题进行多步拆解、自我验证和逐步推导
65%已验证DeepSeek-R1等模型的权重文件体积高达数百GB
65%已验证Google的Gemini 2.0 Flash Thinking和DeepSeek-R1等模型跟进了o1的推理时计算扩展技术路线
65%已验证推理模型（如OpenAI的o1/o3系列、Anthropic的Claude with extended thinking、DeepSeek-R1）在生成最终答案前会先输出思考过程（thinking tokens）
65%待验证2024年底至2025年初，DeepSeek-V3和DeepSeek-R1相继发布
95%