作者 | 陈骏达

编辑 | 心缘

智东西 1 月 21 日报道，昨晚开源的 DeepSeek-R1 模型问世即爆火，在 AI 圈热度持续发酵。不到一天，他们公布在 GitHub 上的论文就获得5000 多收藏，相关话题在 YC 黑客新闻、Reddit 和 X 等平台的互动量已经过万。DeepSeek-R1 目前在 Web 和 App 端可完全免费使用，模型均开源，多领域性能比肩 OpenAl o1。智东西也在第一时间上手体验了这款模型。

英伟达资深科学家、AI Agents 业务负责人 Jim Fan 给予了极高评价，说 DeepSeek-R1 不仅开源了大量的模型（正式版 +6 款蒸馏模型），还分享了所有的训练细节和方法，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）

根据实测体验，这款模型80 多秒就能完成一道高考压轴题，9 分钟就能写出一段 "开箱即用" 的代码，这段代码渲染出的动画生动地讲解了量子力学的相关概念。它也是一名不错的文科生，能在普通人还没读完题时就得出脑筋急转弯的答案，或是将古埃及、南非原住民历史中的细枝末节分析得头头是道。

如果仔细阅读 DeepSeek-R1 的思考过程，就能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。它一般会以结构化的方式提供回答，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很有启发性。

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，和 OpenAI o1 正式版的表现不相上下。

更惊人的是，DeepSeek-R1 在大规模强化学习（RL）中自然涌现出了强大的推理能力和有趣的推理行为，并未进行有监督的微调（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 4 大领域面临一些挑战，这导致它在函数调用、复杂角色扮演等任务上的表现还没有达到预期水准。

DeepSeek-R1 采取了发布即上线的策略，用户已经在 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，我们就分别从理科、文科和模型短板这三方面来看看 DeepSeek-R1 在实测中的表现。

开源地址：

https://huggingface.co/collections/deepseek-ai/deepseek-r1-678e1e131c0169c0bc89728d

论文地址：

https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf

一、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类模型的优势领域之一，简单初高中的数学题已经难不住大部分推理模型了，所以我们直接给 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点，应该拿不了满分。

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，渲染出来的效果是这样的：

这位网友称，DeepSeek-R1 生成这一代码单次耗时大约 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 也是有能力上限的，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合。

下方这道 2006 年 IMO（国际数学奥林匹克竞赛）的第三题（也是最难的问题）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价格，这一成果难能可贵。

二、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的问题上，智东西让 DeepSeek-R1 回答了 10 道题目，回答用时均在 10 秒钟以内，答案也都完全正确。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、跳蚤等其它动物。

▲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，大模型很有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，而在时间上与部分主流表述有冲突，回答的综合质量比较高。

而面对非洲原住民这种史料极为缺乏的群体，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，无论具备推理能力与否，模型都能给出正确答案，推理能力给模型带来的主要增益在信息丰富度、文字逻辑等方面。

三、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 DeepSeek-R1 有没有什么能力的短板呢？据 DeepSeek 官方在论文中的介绍，这款模型针对英文和英文进行了优化，有时模型无法按照用户问题的语言进行思考。

比如，当我将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，因为它花了大量的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，这一答案参考了其它德语谜语。

同时，提示词形式对 DeepSeek-R1 的表现也有很大的影响。有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 "想太多了"。

DeepSeek-R1 的论文中还写到，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 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，不断改进模型。