每經(jīng)記者 岳楚鵬    每經(jīng)編輯 蘭素英    

1月20日發(fā)布的DeepSeek-R1模型讓開發(fā)公司DeepSeek在全球的熱度持續(xù)攀升。1月27日，DeepSeek接連登頂蘋果中國和美國地區(qū)應(yīng)用商城的免費應(yīng)用排行榜，甚至超越了大眾熟知的ChatGPT。 

諸多測評結(jié)果顯示，DeepSeek旗下模型R1在多個基準測試下都能匹敵甚至超越OpenAI、谷歌和Meta的大模型，而且成本更低。在聊天機器人競技場綜合榜單上，DeepSeek-R1已經(jīng)升至全類別大模型第三，其中，在風格控制類模型（StyleCtrl）分類中與頂尖推理模型OpenAI o1并列第一。其競技場得分達到1357分，略超OpenAI o1的1352分。

據(jù)外媒報道，Meta專門成立了四個專門研究小組來研究DeepSeek的工作原理，并基于此來改進旗下大模型Llama。

其中兩個小組正在試圖了解DeepSeek如何降低訓(xùn)練和運行成本；第三個研究小組則在研究DeepSeek訓(xùn)練模型可能用到的數(shù)據(jù)；第四個小組正在考慮基于DeepSeek模型屬性重構(gòu)Meta模型。

《每日經(jīng)濟新聞》記者也對炙手可熱的R1模型與四款主流推理模型——OpenAI的ChatGPT o1、谷歌的Gemini 2.0 Flash Thinking Experimental、字節(jié)跳動的豆包1.5Pro和月之暗面的Kimi 1.5——進行了對比測試。測試結(jié)果顯示，DeepSeek在難度最低的簡單邏輯推理問題上表現(xiàn)不佳，但在高難度問題上表現(xiàn)可圈可點，不僅回答正確，還在速度上擊敗了o1。

DeepSeek旗下模型極低的訓(xùn)練成本或許預(yù)示著AI大模型對算力投入的需求將大幅下降。多家券商研報指出，算力需求會加速從預(yù)訓(xùn)練向推理側(cè)傾斜，推理有望接力訓(xùn)練，成為下一階段算力需求的主要驅(qū)動力。 

記者實測：DeepSeek簡單問題出錯，高難度問題完勝，并在速度上擊敗o1

《每日經(jīng)濟新聞》記者對DeepSeek-R1以及市面上的幾款主流推理模型進行了對比測試，包括o1、谷歌的Gemini 2.0 Flash Thinking Experimental、字節(jié)跳動的豆包1.5Pro和月之暗面的Kimi 1.5。

記者選擇了三個問題對以上五款模型進行測試，難度依次升級（分別為一級到三級），依次評估模型的整體表現(xiàn)。由于DeepSeek的模型并不具備多模態(tài)功能，所以未進行多模態(tài)相關(guān)測試。

首先需要明確的是，推理模型與傳統(tǒng)的大語言模型在輸出方式上采用了兩種不同的模式。傳統(tǒng)的大語言模型對于模型的輸出采用的預(yù)測模式，即通過大規(guī)模的預(yù)訓(xùn)練猜測下一個輸出應(yīng)該是什么。而推理模型則具備自我事實核查能力，能夠有效避免一些常見錯誤，使之輸出邏輯更接近人類自身思考推理的過程。所以，推理模型在解決問題時通常比非推理模型需多花費幾秒到幾分鐘，在物理、科學和數(shù)學等領(lǐng)域，其可靠性更高，但在常識領(lǐng)域可能有著效率不高的問題。

DeepSeek推理過程示意圖

難度I|三個燈泡問題：五大模型全部通關(guān)

首先，記者選擇了一道簡單的思維問題：在一個黑暗的房間里，有三個開關(guān)，分別控制著房間外的三個燈泡。你站在房間里，不能看到燈泡，只能通過開關(guān)控制它們。你只能走一次出去檢查燈泡，如何確定每個開關(guān)控制哪個燈泡？

五個模型都很快得出了正確答案，在這個簡單的問題上沒有分出區(qū)別。

豆包

DeepSeek

Kimi

Gemini

o1

難度II|囚犯帽子顏色推理：DeepSeek、Kimi犯錯，Gemini耗時最短且完全正確

接下來問題升級：有四位囚犯排隊站好，囚犯1號能看見囚犯2號和囚犯3號；囚犯2號可以看見囚犯3號；囚犯3號看不見任何人；囚犯4號也看不見任何人。他們知道一共有4頂帽子，2黑2白，但并不知道自己頭頂?shù)拿弊邮鞘裁搭伾?。請問誰會是第一個知道自己頭頂?shù)拿弊邮鞘裁搭伾⑶已杆俸俺鰜淼娜耍?/p>

在這個問題上，DeepSeek和Kimi都犯錯了，兩者在推理過程中推導(dǎo)出了一種情況，但正確選項應(yīng)該是兩種。

Kimi

DeepSeek

而Gemini、豆包和o1都回答正確。其中，Gemini推理速度最快，僅用了6.8秒就得出了結(jié)果，最慢的是o1，耗時1分02秒。

Gemini

o1

豆包

難度III|研究生級別數(shù)學題：DeepSeek-R1完勝，且用時最短

評測結(jié)果顯示，DeepSeek在科學領(lǐng)域如數(shù)學能力上排名第一。于是，記者找來了一道研究生級別的數(shù)學題進行測試：找出所有階為147且不包含階為49的元素的兩兩不同同構(gòu)群（出自美國南加州大學博士資格考試）。

在這一問題上，DeepSeek-R1沒有“辜負”評測，表現(xiàn)最好，找出了三個解。除o1外的其他模型只找出了兩個解，而且，Kimi在推理過程中還開啟了聯(lián)網(wǎng)查詢功能進行輔助推理，但仍然少了一個解。

雖然o1也找出了三個解，但耗時更長，用了4分17秒得出答案，而DeepSeek-R1只花費了2分18秒。

DeepSeek

o1

豆包

Gemini

Kimi

綜合各項測試來看，DeepSeek存在一個反常識的問題，即在難度不高的問題上表現(xiàn)不如其他模型好，甚至可能會出現(xiàn)其他模型不會出現(xiàn)的錯誤。但是當難度提升到專家級別的程度上時，DeepSeek的表現(xiàn)反而變成了最好的模型。

這就是說，對于需要專業(yè)知識輔導(dǎo)的從業(yè)人員或研究人員來說，DeepSeek是一個好的選擇。

DeepSeek力壓ChatGPT登頂蘋果應(yīng)用榜

1月27日，蘋果App Store中國區(qū)免費榜顯示，近一周全球刷屏的DeepSeek一舉登上首位。同時，DeepSeek在美國區(qū)蘋果App Store免費榜從前一日的第六位飆升至第一位，超越ChatGPT、Meta旗下的社交媒體平臺Threads、Google Gemini，以及Microsoft Copilot等AI產(chǎn)品。 

許多科技界人士都在大肆宣揚該公司所取得的成就及其對AI領(lǐng)域的意義。

例如，著名投資公司A16z創(chuàng)始人馬克安德森27日表示，DeepSeek-R1是AI的斯普特尼克時刻（注：這是指1957年10月4日蘇聯(lián)搶先美國成功發(fā)射斯普特尼克1號人造衛(wèi)星，令西方世界陷入一段恐懼和焦慮的時期）。

DeepSeek-R1在一些AI基準測試上匹敵甚至超越了OpenAI的o1模型。DeepSeek-R1在聊天機器人競技場綜合榜單上排名第三，與頂尖推理模型o1并列。

在高難度提示詞、代碼和數(shù)學等技術(shù)性極強的領(lǐng)域，DeepSeek-R1拔得頭籌，位列第一。

在風格控制方面，DeepSeek-R1與o1并列第一，意味著模型在理解和遵循用戶指令，并按照特定風格生成內(nèi)容方面表現(xiàn)出色。

在高難度提示詞與風格控制結(jié)合的測試中，DeepSeek-R1與o1也并列第一，進一步證明了其在復(fù)雜任務(wù)和精細化控制方面的強大能力。

圖片來源：聊天機器人競技場

Artificial-Analysis對DeepSeek-R1的初始基準測試結(jié)果也顯示，DeepSeek-R1在AI分析質(zhì)量指數(shù)中取得第二高分，價格是o1的約三十分之一。

圖片來源:Artificial-Analysis

預(yù)訓(xùn)練時代將終結(jié)，推理正在崛起

DeepSeek旗下模型極低的訓(xùn)練成本或許預(yù)示著AI大模型對算力投入的需求將大幅下降。 

“AI預(yù)訓(xùn)練時代無疑將終結(jié)。”2024年12月13日，在溫哥華NeurIPS大會上，OpenAI聯(lián)合創(chuàng)始人兼前首席科學家伊利亞•蘇茨克維爾（Ilya Sutskever）直言。

在這場演講中，Ilya Sutskever將數(shù)據(jù)比作化石燃料，而燃料終將耗盡。“算力在增長，但數(shù)據(jù)卻沒有增長，因為我們只有一個互聯(lián)網(wǎng)……我們已經(jīng)達到了數(shù)據(jù)峰值，不會再有更多數(shù)據(jù)了，我們必須處理好現(xiàn)有的數(shù)據(jù)。”現(xiàn)有數(shù)據(jù)仍可推動AI進一步發(fā)展，業(yè)內(nèi)也正在竭力挖掘新數(shù)據(jù)進行訓(xùn)練，這種情況最終將迫使行業(yè)改變目前的AI模型訓(xùn)練方式。他預(yù)計，下一代AI模型將是真正的AI Agent，且具備推理能力。

預(yù)訓(xùn)練是指使用大量數(shù)據(jù)訓(xùn)練AI模型的過程，通常需要極高的計算能力和存儲資源。訓(xùn)練過程通常在數(shù)據(jù)中心完成，耗時較長，成本高昂。推理是指將訓(xùn)練好的模型應(yīng)用于實際任務(wù)（如生成文本、識別圖像、推薦商品等），通常需要低延遲和高吞吐量。推理過程可以在云端或邊緣設(shè)備（如手機、自動駕駛汽車）上進行。

推理模型其最突出的地方在于，在給出回答之前，模型會思考，通過產(chǎn)生一個很長的內(nèi)部思維鏈（CoT），逐步推理，模仿人類思考復(fù)雜問題的過程。

隨著各類大模型的成熟，許多企業(yè)和開發(fā)者可以直接使用預(yù)訓(xùn)練模型，而不需要從頭訓(xùn)練。對于特定任務(wù)，企業(yè)通常只需對預(yù)訓(xùn)練模型進行微調(diào)，而不需要大規(guī)模訓(xùn)練，這減少了對訓(xùn)練算力的需求。預(yù)訓(xùn)練時代或許行將落幕，推理正在崛起。

近幾日，多家券商研報都指出，算力需求會加速從預(yù)訓(xùn)練向推理側(cè)傾斜，推理有望接力訓(xùn)練，成為下一階段算力需求的主要驅(qū)動力。

巴克萊12月的報告預(yù)計，AI推理計算需求將快速提升，預(yù)計其將占通用人工智能總計算需求的70%以上，推理計算的需求甚至可以超過訓(xùn)練計算需求，達到后者的4.5倍。英偉達GPU目前在推理市場中市占率約80%，但隨著大型科技公司定制化ASIC芯片不斷涌現(xiàn)，這一比例有望在2028年下降至50%左右。

免責聲明：本文內(nèi)容與數(shù)據(jù)僅供參考，不構(gòu)成投資建議，使用前請核實。據(jù)此操作，風險自擔。