DeepSeek R1科普，推理模型进入“1美元时代”

最近，AI 界发生了许多事情，加上春节这个节点，由于国家层面对 DeepSeek 的高度重视，以及诸多媒体的报道，身边的家人朋友们也开始谈论起来 AI，是不是让你眼花缭乱？其实许多业内人士也有同感。

一会冒出一个 R1，一会冒出一个 o1、o3...，这篇文章将最近一些的重要东西梳理清楚，一文让你了解清楚一些重要的 AI 事件。

时间线：过去几个月的关键事件

过去一些激动人心时刻：

• 2024年9月12日：o1预览版发布

• 2024年12月5日：o1正式版及o1-pro发布

• 2024年12月20日：o3宣布，全面攻克ARC-AGI基准测试，被誉为“AGI”

• 2024年12月26日：DeepSeek V3发布（基础大语言模型）

• 2025年1月20日：DeepSeek R1发布，性能媲美o1且开源

• 2025年1月25日：香港大学成功复现R1结果

• 2025年1月25日：Huggingface推出开源项目open-r1，完全复现R1

• 2025年2月1日：o3-mini发布

划重点

o1、o3、R1：均为推理模型，通过对基础模型微调实现。

DeepSeek V3：基础大语言模型（LLM），推理模型的训练起点。

ARC-AGI：一项旨在对人类简单但对 AI 极难的基准测试。AI 若通过此测试，表明其具备人类水平的适应性思维。

根据 François Chollet 的修正：“ARC-AGI-1是设计为对流体智能的最基础评估。未通过意味着AI在陌生场景中几乎无法适应或解决问题。”

推理模型 ≠ 智能体

推理模型：通过生成大量“思考”标记（token）寻找答案，本质是生成文本。

智能体（Agents）：需具备自主决策能力和与外界交互能力，依赖软件系统（甚至硬件）实现。

当前瓶颈：推理能力是智能体的核心。若推理能力达标，智能体的其他挑战（如行动规划）或将迎刃而解。

为何 R1 如此重要

成本低廉：运行成本仅为o1的1/30，性能相当。

开源验证：R1的论文几乎完全揭示了OpenAI的o1技术路径（OpenAI科学家已证实），证明其核心是简单强化学习（RL），而非复杂方法（如DPO、MCTS）。

引爆创新：开源后，社区迅速复现R1（有人声称仅花费30美元），推动快速迭代。例如：

• R1-Zero：仅用GRPO训练的版本，性能更强但会中英文混杂输出（可能与多语言概念表达效率有关）。

• 1.5B参数临界点：模型若大于此规模，无论使用GRPO、PPO还是PRIME，推理能力均会自发涌现。

AI 技术轨迹：四大驱动力

1、推理时间缩放定律：模型“思考”越久（生成更多标记），表现越好。

• 早期尝试：蒙特卡洛树搜索（MCTS）、Entropix路径优化等。

• 最终答案：链式思考（CoT）结合强化学习（R1/o1已验证）。

2、模型小型化：GPT-4 Turbo、Claude等模型体积持续缩小，以降低延迟、提升推理效率。

3、强化学习（RL）：R1使用基础RL（如GRPO）训练CoT，无需复杂验证器或外部LLM。

4、模型蒸馏：通过迭代式“自我蒸馏”（用旧版本生成训练数据），学生模型可超越教师模型。

• 行业推测：OpenAI/Anthropic可能通过“大模型训练→蒸馏→再放大”的循环持续突破。

2025年预测：加速无休止

预训练瓶颈：数据与算力驱动的传统缩放定律失效，但新路径（推理缩放、蒸馏、小型化、RL）已填补空白。

地缘政治：盗蒸（Distealing）

中美博弈：美国重金投入，中国工程师突破出口限制寻求廉价方案，欧洲聚焦监管/开源。

技术窃取争议：DeepSeek是否“盗蒸”o1技术？复现实验表明可能性低，但中美技术竞争将加剧。

结论

R1 的横空出世，正在逐步揭开了 OpenAI 的技术黑箱，为 AI 发展提供了清晰路线图。尽管信息洪流令人眩晕，但未来路径已逐渐明朗，AI 进化正在加速，且无减速迹象。

内容参考：

https://timkellogg.me/blog/2025/01/25/r1