DeepSeek-R1 模型一经开源便迅速走红，凭借卓越性能引发广泛关注。小贤认为，这是目前关于该模型最精彩的解读，没有之一。核心要点：1. DeepSeek-R1 开源后的火爆关注度2. 模型实测体验中的真实表现3. 与其他模型的对比及核心优势
就在昨晚，DeepSeek-R1 模型正式开源，发布即引爆全场，热度在 AI 圈内持续高涨，势头极为强劲。不到一天时间，其在 GitHub 上公布的论文就已获得超过 5000 次收藏，在 YC 黑客新闻、Reddit 和 X 等平台的互动量已突破一万。目前，DeepSeek-R1 在 Web 和 App 端均可免费使用，模型已全部开源，多领域性能比肩 OpenAI o1。智东西也在第一时间对这款模型进行了深度体验。英伟达资深科学家、I Agents 业务负责人 Jim Fan 给予极高评价——DeepSeek-R1 不仅开源了大量模型（正式版 + 6 款蒸馏模型），还公开了所有训练细节与方法，它可能是第一个充分展示强化学习（RL）飞轮效应显著，且仍在持续增长的开源项目。
▲Jim Fan 对 DeepSeek-R1 做出高度评价（图源：@DrJimFan）
实测结果显示，这款模型仅需 80 多秒就能解出一道高考压轴题，9 分钟即可编写出一段“开箱即用”的代码，渲染出的动画生动形象地阐释了量子力学相关概念。它也是一名不错的文科生，能在普通人还没读完题时就给出脑筋急转弯的答案，或对古埃及、南非原住民历史中的细微之处分析得头头是道。如果仔细阅读 DeepSeek-R1 的思考过程，会发现它思考时的语言风格十分自然，还会随口蹦出一些“Yeah, that works!”这样的活泼表述。与 DeepSeek-V3 相比，推理能力让 DeepSeek-R1 的回答更为全面、详实，且论证充分。它通常以结构化方式提供答案，并在思考和回答过程中补充大量背景信息，不少用户反馈这些信息极具启发性。据 DeepSeek 官方公布的数据，这款模型在数学、代码、自然语言推理等任务上，与 OpenAI o1 正式版的表现不相上下。
更令人惊叹的是，DeepSeek-R1 在大规模强化学习（RL）中自然涌现出强大的推理能力和有趣的推理行为，并未经过有监督的微调（SFT）。根据体验结果和 DeepSeek 官方的介绍，DeepSeek-R1 目前在通用性、多语言能力、提示工程和软件工程能力这四大领域面临一些挑战，导致它在函数调用、复杂角色扮演等任务上尚未达到预期水准。DeepSeek-R1 采取了发布即上线的策略，用户已可在 DeepSeek 官网与 App 上免费体验这款模型，也可通过每百万 tokens 输出仅需 16 元（OpenAI o1 价格的 3.7%）的 API 接口使用。下面，我们将分别从理科、文科和模型短板这三个方面，来看 DeepSeek-R1 在实测中的具体表现。
83 秒解答高考压轴题，动画解释量子力学
理科类问题一直是推理模型的核心优势领域之一，简单的初高中数学题已经难不倒大部分推理模型了，因此我们直接给 DeepSeek-R1 上了一道 2024 年高考全国甲卷理科数学压轴题。
DeepSeek-R1 用83 秒回答了这一问题，答案完全正确。美中不足的是，它的求解过程并不完全符合评分标准中的规范，漏掉了一个需要证明的要点，应该拿不到满分。
X 平台上的海外网友贡献了一个十分有趣的用例——他将自己对量子电动力学原理的理解告诉 DeepSeek-R1，让 DeepSeek-R1 用直观的视觉方式呈现出来，下方是这位网友的部分提示词。
DeepSeek-R1 提供了实现这一效果的代码，渲染出来的效果如下：
这位网友称，DeepSeek-R1 生成这段代码单次耗时大约 9 分钟，一次成功，没有出现数学错误，仅出现视觉平面偏离的问题，他很快就修复了。这几乎是一种“开箱即用”的体验。不过，DeepSeek-R1 也有能力上限，这道美国 2024 年 AIME 数学邀请赛真题就难住了它。
DeepSeek-R1 思考了足足 213 秒才给出回答，结果也与正确答案不符。
下方这道 2006 年 IMO（国际数学奥林匹克竞赛）第三题（也是难度最高的题目）让 OpenAI o1 都束手无策，而 DeepSeek-R1 也没能成功回答，从第二步开始，它的回答就与标准答案相去甚远。
综合体验下来，DeepSeek-R1 已经具备了不俗的理科实力，大致相当于一名优秀的大学生。考虑到它较快的响应速度和极低的成本，这一成果实属难能可贵。
文科实力同样不俗，推理能力提升信息丰富度
DeepSeek 介绍，自然语言推理也是 DeepSeek-R1 的强项之一。智东西从斯坦福自然语言推理数据集中选取了几道题目，DeepSeek-R1 基本都能在 10 秒内给出正确答案。
而在中文脑筋急转弯类问题上，智东西让 DeepSeek-R1 回答了 10 道题目，回答用时均在 10 秒以内，答案全部正确。在下方这道题目中，它不仅给出了最常见的答案，还在思考过程中分析了水蛭、跳蚤等其他动物。
▲中文脑筋急转弯测试中的一道题目
在文字推理之外，我们也有必要对 DeepSeek-R1 的其它文科类能力进行测试。近期奥地利研究机构复杂性科学中心(CSH) 的研究显示，大模型在历史类问题上的表现普遍不佳，由于史料数量的差异，大模型很可能混淆不同的历史阶段，最终给出错误答案。比如，“古埃及有没有常备军”这个问题就难住了许多大模型，无论其是否具备推理能力。当智东西将上述问题发送给 DeepSeek-R1 时，它的回答条理清晰，经过人工逐一查证，DeepSeek-R1对历史事件的描述基本准确，虽然在时间上与部分主流表述有些冲突，但回答的综合质量较高。
而面对非洲原住民这种史料极为匮乏的群体，R1 也能给出正确信息和完整的论证。
为确保客观，智东西也测试了 DeepSeek-V3 这一不具备推理能力的模型在上方问题中的表现。在大部分问题上，无论是否具备推理能力，模型都能给出正确答案，推理能力给模型带来的主要增益体现在信息丰富度、文字逻辑等方面。
实测用外文思考更慢，少样本提示会起反作用
说完了优点，那么 DeepSeek-R1 有没有什么能力短板呢？据 DeepSeek 官方在论文中的介绍，这款模型针对英文进行了优化，有时模型无法按照用户问题的语言进行思考。比如，当我把脑筋急转弯问题用德语输入后，DeepSeek-R1 会自动将其翻译成中文或英文，然后再作答。这一过程会减慢 DeepSeek-R1 的思考速度，因为它花了大量时间在讨论德语问题的翻译结果。最终，它的回答从蚊子变成了水蛭，据它自己介绍，这一答案参考了其他德语谜语。
同时，提示词形式对 DeepSeek-R1 的表现也有很大影响。部分提示词会通过提供多个示例来提升回答质量，但在 DeepSeek-R1 上这可能会适得其反。当智东西将下方少样本提示词（Few-Shot Prompt）发给 DeepSeek-R1 和 DeepSeek-V3 时，前者需要花费 7 秒才能得出答案，而后者用时不到 1 秒。
▲测试中用到的多示例提示词
从 DeepSeek-R1 的思考过程来看，它在此类提示词上出现问题的原因可能是“想得太多”。
DeepSeek-R1 的论文中还提到，这款模型的通用能力和软件工程任务的能力目前存在短板，但在未来，他们会通过长思维链技术、异步评估等方式来提高模型表现。
结语：中国开源 AI 力量未来可期
DeepSeek-R1 一经发布，就得到全球 AI 开发者的积极采用和高度评价。有人晒出自己用了数小时 API 后仅 0.06 美元的账单，也有人分享蒸馏后的模型在 M2 芯片笔记本上高速运行的画面。值得一提的是，DeepSeek-R1 是 DeepSeek 旗下首款以 MIT 协议开源（包含权重）的模型，不限制商用，也无需申请，还明确允许通过模型蒸馏等方式将 DeepSeek-R1 用于训练其他模型。这意味着 DeepSeek-R1 有望在全球 AI 领域产生广泛影响，也能从全球开源社区中获得正向反馈，不断迭代优化模型。