当春节遇上中国大模型在全球的火爆

2025 年 1 月 20 日，正当国内打工人忙着准备农历新年的热闹时，DeepSeek-R1 的发布在 AI 领域投下了一枚深水炸弹。这个开源模型在数学推理（AIME 79.8%）、代码修复（SWE-bench 49.2%）等任务上，首次以开源身份全面对标 OpenAI 的闭源旗舰 o1-1217，甚至在部分场景中实现了反超，而其成本却不到对方的十分之一。随后几天，这枚炸弹引发了硅谷强烈反响，科技公司投入上千亿巨资的合理性被纷纷质疑，甚至触发了科技股有史以来最大跌幅。

硅谷的焦虑与中国的年夜饭

虽远在老家深山，但却离不开 X （原推特）的第一手信息。无论这枚炸弹实际威力如何，海外舆论已将其解读为中国 AI 能力的一次巨大宣示。r1 的流量在 X 上连续热议了 3-5 天，reddit、hacknews 等平台上相关讨论层出不穷，DeepSeek app 甚至直接登顶中美 appstore 双榜单。这种局面无不让人联想到春节拜年饭桌上的热烈氛围。

大众讨论的焦点，除了对中国 AI 技术的肯定，更有对美国大型科技公司巨额投入的疑问。最引人注目的，是 deepseek 训练出与 o1 媲美的模型，但成本不及对方十分之一，这无疑为开源社区注入了一针强心剂。正如 OpenAI 的山姆·奥特曼在推特上写道：“deepseek r1 令人印象深刻，尤其是考虑到它的价格。我们将会提供更好的模型，有新的竞争对手令人振奋。” 这句话在赞许中蕴含着对自身模式的压力。 

Claude AI 的 CEO 则在一篇长文中泼了冷水，核心观点是：“如果算力成本按历史趋势每年下降 4 倍，那么到 2025 年，模型的性价比应比 2023 年提升 16 倍。但 DeepSeek-V3 的训练成本仅为美国前沿模型的 1/8，这与其性能差距（扩展曲线落后约 2 倍）完全匹配，这不过是正常的技术迭代，而非颠覆性突破。” 他还强调政治观点，算力制约是让 AI 成为美国及其盟友单极优势的关键。

Meta 的首席科学家杨立坤也转发了 DeepSeek 的推文，简短评论：“干得好，开放科学加速进步。” 作为开源领域的坚定支持者，Meta 的 LLaMA 系列一直是开源社区的标杆，DeepSeek r1的发布或许让 llama4会更加充满竞争味道。

DeepSeek-R1 的实际表现

测评数据证明了 DeepSeek-R1 的实力：
● AIME 2024 ：79.8%（o1-1217：79.2%）
● Codeforces ：96.3%（o1-1217：96.6%）
● Math-500 ：97.3%（o1-1217：96.4%）
● SWE-bench Verified (Resolved)：49.2%（o1-1217：48.9%）
● LIVE-bench (Global Average)：71.38

尤其是 SWE-bench、AIME 和 LIVE-bench 这些难度较高的测试，表明 DeepSeek-R1 在数学推理和代码生成上不仅能与 o1-1217 旗鼓相当，在部分场景中甚至略胜一筹。

这几天 r1 的热度吸引了大量实战案例，编程社区的 cursor 和 windsurf 已经纷纷接入使用。为了更好的评估后续值得投资付费对象，笔者也从之前实际工作中用于和  sonnet3.5 以及 o1 探讨的题目拿出来咨询一般，并在一些个人私有题目上进行了测评，给人的感觉是：在绝大多数工作场景是可以和 o1 对标，并部分地理类强逻辑推理题目比 o1/o3-mini 回答更好。 但我认为 sonnet3.5 还有其优势，作为一个非 think推理模型（不会先思考，再回答），处理编码问题、以及连续性探讨，sonnet 3.5 的风格以及感受更良好。另外在更多测试中，我发现 r1 回复不太稳定，期待后面的迭代优化。

deepseek-r1 案例图（分析正确）

deepseek-o1 案例图 (分析错误)

如上是一个自创的私藏题目，其中暗含相对复杂和巧妙的逻辑推理，目前 deepseek r1 能回答出来。观察它的“思维路径”会非常有意思，r1 最开始也会犯 o1的错，凭借直觉认为，“北半球夏至日，三亚影子最短”，但它在得出结论之前，尝试质疑自己，是否还有更短的路径呢？并尝试用公式和角度计算 ，最终推翻了自己之前的结论，并找到更合理的答案。

r1 思维链示意图

所以，对于考虑为哪些模型付费的用户，笔者的个人体验结论是：r1 能平替 o1（o1 pro暂未对比过）， 但 sonnet 3.5 仍然值得付费。目前很多网友提供的最佳策略之一是： r1 + sonnet 3.5 组合使用，这和我的实际感受也类似。

而 deepseek 官方 API 由于全球流量爆满，时常出现超时现象。目前已有第三方平台如 poe（免费次数有限，需订阅 20 美元）、chatllm（需订阅 10 美元， 速度较慢）、以及国内 360 提供的 r1专线(免费)。 同时需要注意的是，r1 分为多个版本，其中 671B 参数全量版为最完整，而其他版本可能经过蒸馏后性能有所退化。

DeepSeek-R1 的方法论：规则驱动与纯强化学习

DeepSeek-R1 的成功离不开其核心创新。传统上，我们见过 PPO（近端策略优化）这种强化学习方法，在其中，演员（Actor）生成答案，而评论家（Critic）对答案进行评估，然后指导模型调整策略。这样的双模型结构虽然有效，但需要花费更大成本额外训练评估模型。

而 DeepSeek 的创新在于它将强化学习和规则驱动结合。GRPO（群体相对策略优化）采用的是规则驱动的强化学习。它让模型针对同一问题生成多个候选答案，然后直接利用预设的奖励规则（数学正确性、代码测试、格式合规性等），通过统计比较（均值与标准差）形成相对优势值，指导模型优化策略。就像班级考试，不让老师打绝对分数，而是通过学生之间相互比较找出最佳解法，这种方式既降低了训练成本。

值得一提的是，DeepSeek-zero 首次采用了纯强化学习的突破，而不是从策划的数据集中学习，使其能够在数千次迭代中自我改进。

例如，考虑一个训练用于下棋的 AI 模型。它不是从历史游戏的固定数据集中学习，而是仅通过象棋的基本规则进行编程。然后，它进行自我对弈，不断尝试各种走法。最初，模型执行次优动作，导致失败。然而，通过迭代对弈，它识别出有效策略，并强化有助于胜利的走法，同时摒弃无效的走法。这一试错过程由 RL 原则指导，使 AI 能够开发出超越人类直觉的策略。DeepSeek-zero 正式用类似的策略，给顶基本的奖励规则，模型自己产生了“顿悟”时刻——即模型自己学会主动暂停思路，并重新评估以发现新的解决方案。

中美 AI 竞争

DeepSeek-R1 的发布不仅是技术上的一次突破，也是中美 AI 竞争格局的缩影。回顾 19 世纪的工业革命，第一次工业革命英国以蒸汽机与纺织机械独领风骚；第二次工业革命则是美国与德国共同推动电力与化工的规模化应用，当时的特点是德国为中心的欧洲擅长理论基础，而美国则在商业应用和规模化中非常有优势，比如福特汽车流水线等。

而当下的 AI 革命中，美国在“从 0 到 1”的基础创新上独树一帜（比如 Transformer 架构、GPT 系列），而中国则在“从 1 到 N”的工程化落地上有优势——比如大模型成本优化还是场景适配。 虽然总是有网友吐槽和嘲讽：“当前的 AI 热是不是到了第7，第8 ，第 N 次工业革命了？” ，不管人们谈论到底有多少泡沫，AI 的竞争是已经事实摆在战略层面，中国的政府工作报告去年首提“人工智能+”，而特朗普上任提出的“星际之门” AI 计划。

结

正如杨立坤所言：“开放科学加速进步。”  截止本篇发文当日，openai 开始提供面免费的 o3-mini ，这正是竞争带来的用户选择多样化。然而，竞争仅仅才刚刚开始。春节过后，2025 年 qwen、llama、grok、 mistral 等将如何应对这波开源推理模型大火爆和竞争呢？