DeepSeek-R1

DeepSeek-R1是什么

DeepSeek-R1是DeepSeek于2025年推出的推理模型系列，面向数学、代码和其他需要多步骤推理的任务。它与DeepSeek网页助手属于不同层次：模型权重和技术方法可用于研究与部署，网页产品则包含独立的服务入口和运行配置。

R1与R1-Zero的区别

R1-Zero探索直接通过大规模强化学习培养推理能力，没有把监督微调作为前置阶段；官方同时指出它存在重复、可读性和语言混杂等问题。R1在此基础上采用不同训练流程改善输出质量，因此不能把R1-Zero的训练描述直接套到R1上。

蒸馏模型与本地部署

官方还发布了基于Qwen和Llama架构的蒸馏模型，将推理能力迁移到较小规模模型。选择时应考虑任务质量、显存与推理速度，而不只比较参数量。关于这种方法，可阅读知识蒸馏介绍。

R1仓库与权重采用MIT许可，但蒸馏模型还涉及其基础模型的许可条件，商业部署需要检查所用的具体模型文件与说明。

研究与评测资料

官方仓库提供模型说明与使用资料，训练和评测方法见技术论文。论文中的成绩对应特定模型与测试设置，复现时需要同时控制采样、提示和评估方式。