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)
DeepSeek-R1 蒸馏模型在 AIME 2024、MATH-500、LiveCodeBench 等任务上表现出色，在多数场景下与 GPT-4o 和 DeepSeek V3 相当，部分指标超越 OpenAI o1-mini
DeepSeek-R1的训练在华为昇腾集群上完成，昇腾的CANN平台在中国市场发展迅速
Meta的LLaMA系列、Mistral AI的Mixtral、DeepSeek的DeepSeek-V3/R1等开源模型在编程、推理等任务上的表现已逐步逼近甚至部分场景超越闭源商业模型
推理型模型（如OpenAI o1系列、DeepSeek-R1等）因需要更长的思考过程和更多计算资源，API定价通常高于标准对话模型
开源大模型如Meta的Llama系列、阿里Qwen系列、DeepSeek-V3/R1、Mistral AI系列已达到接近甚至部分超越闭源商业模型的水平
DeepSeek-R1等推理增强模型在生成最终答案前会产生大量中间推理Token，这些思考Token计入输出Token费用
DeepSeek-R1的蒸馏版本是蒸馏技术的成功案例，量化或蒸馏后的版本在消费级显卡甚至笔记本电脑上即可部署
一些推理增强型模型（如DeepSeek-R1、Kimi K3）会生成非常长的思维链，有时推理过程的Token数量是最终答案的数十倍
根据Unsloth数据，此前最受欢迎的GGUF量化模型Qwen3.6-35B-A3B获得1.54K点赞，DeepSeek-R1获得1.12K点赞
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
还有 9 条时间轴事件
全部知识事实 (20)
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OpenAI o1和DeepSeek-R1通过延长思考链在数学竞赛题等复杂基准上取得突破，本质上是在推理阶段动态分配更多计算预算
75%已验证推理模型以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
65%待验证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
85%待验证DeepSeek-R1能够自主生成长达数千token的思维链
80%待验证2024-2025年间Llama 3、Qwen 2.5等开源模型在多项基准测试中已接近甚至匹敌闭源商业模型
75%待验证DeepSeek-R1 蒸馏模型在 AIME 2024、MATH-500、LiveCodeBench 等任务上表现出色，在多数场景下与 GPT-4o 和 DeepSeek V3 相当，部分指标超越 OpenAI o1-mini
50%待验证DeepSeek-R1的训练在华为昇腾集群上完成，昇腾的CANN平台在中国市场发展迅速
50%待验证Meta的LLaMA系列、Mistral AI的Mixtral、DeepSeek的DeepSeek-V3/R1等开源模型在编程、推理等任务上的表现已逐步逼近甚至部分场景超越闭源商业模型
50%待验证推理型模型（如OpenAI o1系列、DeepSeek-R1等）因需要更长的思考过程和更多计算资源，API定价通常高于标准对话模型
50%待验证开源大模型如Meta的Llama系列、阿里Qwen系列、DeepSeek-V3/R1、Mistral AI系列已达到接近甚至部分超越闭源商业模型的水平
50%待验证DeepSeek-R1等推理增强模型在生成最终答案前会产生大量中间推理Token，这些思考Token计入输出Token费用
50%待验证DeepSeek-R1的蒸馏版本是蒸馏技术的成功案例，量化或蒸馏后的版本在消费级显卡甚至笔记本电脑上即可部署
50%待验证一些推理增强型模型（如DeepSeek-R1、Kimi K3）会生成非常长的思维链，有时推理过程的Token数量是最终答案的数十倍
50%待验证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
50%待验证OpenAI的o1/o3系列和Google的Gemini Thinking采用类似扩展思考的慢思考机制
50%待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
50%待验证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
50%待验证GRPO由DeepSeek团队系统化提出并在训练DeepSeek-R1系列模型时得到大规模验证
50%