DeepSeek-R1，正在接受全球网友真金白银的检验。

花 30 秒用 manim 代码制作解释勾股定理的动画，一次完成无错误。

为了玩上这样的模型，有人花上 10 多万元，组 7 台 M4 Pro Mac mini+1 台 M4 Max Macbook Pro 的家用超算。

总计 496G 显存（64*7+48），才能跑起个 4bit 量化版，但属实算得上 " 家用 AGI" 配置了。

另一个极端是选择 R1 数据蒸馏版 Qwen 1.5B 小模型，小到浏览器就能跑，每秒能输出 60 个 tokens。

与此同时，各种榜单也在抓紧测试，纷纷跑出了结果。

首先是 LiveBench，与 LiveCodeBench 一样，题目是随时间更新的，所以相对受认可。

R1 的表现在 o1-preview 到 o1 之间，其中只有数据一项超过 o1。

不过再带上成本成本约 1/30 这个条件看，又是不一样的感觉，给老哥整无语了。

唯一的抱怨是上下文窗口太短。

o1 系列一战成名的 ARC-AGI，测试结果分为公开数据和私有数据两部分。

DeepSeek R1 在私有数据上解决了 15.8% 的问题，与 DeepSeek-V3 相比翻倍还多。

公开数据上更是解决了 20.5% 的问题，与 DeepSeek-V3 相比上涨约 46%。

总的来看，DeepSeek-R1 表现与 o1-preview 相近，但稍低。

但同样，带上几毛钱就能解决一道题，o1 系列至少要 10 块钱这个背景来看，又是不一样的感觉。

考验任务规划能力的 PlanBench，同样的剧本再次上演。

在开发者 Xeophon 自己的个人测试上，甚至超过了 o1-preview。

同一个测试上，R1 数据蒸馏的 Qwen 32B，与 DeepSeek-V3，GPT-4o 和 Gemini Flash 处于同一水平。

最后，还有人从中看到新的创业机会。

谁来构建一个平台，能轻松地在 DeepSeek R1 上进行 OpenAI 风格的强化微调。

至少在短期内，是一个巨大的机会。

R1 在正确数据和微调方法下，可能在特定任务上大幅提升。

参考链接：

[ 1 ] https://x.com/alexocheema/status/1881561143736664180

[ 2 ] https://x.com/reach_vb/status/1881809400995934640

[ 3 ] https://livebench.ai/#/

[ 2 ] https://x.com/arcprize/status/1881761987090325517

[ 3 ] https://x.com/TheXeophon/status/1881443117787984265