项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1 如上图所示，该图片展示了DeepSeek的品牌Logo。这一视觉标识不仅代表了DeepSeek团队的技术理念，也象征着其在人工智能领域持续探索创新的决心，为读者直观呈现了本次发布的模型系列所属的技术生态背景。
一、技术背景与模型概述
在人工智能领域，推理能力一直是衡量大语言模型智能水平的核心指标。DeepSeek团队正式发布了第一代推理模型系列——DeepSeek-R1-Zero与DeepSeek-R1，为这一领域带来了突破性进展。其中，DeepSeek-R1-Zero作为探索性模型，首次实现了无需监督微调（SFT）前置步骤，直接通过大规模强化学习（RL）训练基础模型，在推理任务中展现出令人瞩目的性能。通过强化学习机制，该模型自发形成了包括自我验证、反思推理、长链思维等多种强大的推理行为，为后续研究奠定了重要基础。
然而，纯RL训练路径也暴露出一些挑战，例如推理过程中出现的无限循环、文本可读性不足以及多语言混杂等问题。为解决这些缺陷并进一步提升综合推理能力，团队推出了优化版本DeepSeek-R1。该模型创新性地在强化学习阶段前引入冷启动数据，有效平衡了探索与利用的关系，最终在数学运算、代码生成及复杂推理任务上达到了与业界领先的推理模型系列相当的性能水平。值得关注的是，为推动整个研究社区的发展，DeepSeek团队将DeepSeek-R1-Zero、DeepSeek-R1以及基于Llama和Qwen架构蒸馏得到的六个稠密模型全部开源。其中，DeepSeek-R1-Distill-Qwen-32B模型在多项基准测试中超越同类推理模型，刷新了稠密模型的性能纪录。
注意事项：在本地运行DeepSeek-R1系列模型前，建议用户仔细阅读本文档中的使用建议部分，以确保最佳体验与系统兼容性。
[](https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-R1?utm_source=gitcode_models_blog_files)
如上图所示，该图表直观展示了DeepSeek-R1系列模型在各类主流基准测试中的性能表现。通过与业界领先模型的横向对比，清晰呈现了DeepSeek-R1在数学推理、代码生成等核心任务上的竞争优势，为研究人员和开发者选择合适模型提供了重要参考依据。
二、核心技术架构解析
创新训练范式：基础模型上的大规模强化学习
DeepSeek团队开创性地提出了直接在基础模型上应用强化学习的训练范式，完全跳过传统的监督微调环节。这种端到端的训练方式使模型能够自主探索解决复杂问题的思维链（CoT），最终孕育出DeepSeek-R1-Zero。该模型展现出的自我验证机制（通过多步推理验证结论正确性）、反思能力（对错误推理路径进行修正）以及超长文本推理（处理超过万字的复杂逻辑链）等特性，标志着推理模型训练方法论的重大突破。尤为重要的是，这是学术界首次通过公开研究证实：大型语言模型的推理能力可以完全通过强化学习激发，无需依赖高质量的监督微调数据，这一发现为降低模型训练成本、拓展推理能力边界提供了全新思路。
为进一步优化模型性能，团队设计了四阶段训练流水线：包含两个强化学习阶段与两个监督微调阶段。其中，强化学习阶段专注于发现更优的推理模式并对齐人类偏好，而监督微调阶段则为模型注入基础推理能力与非推理任务处理能力的种子。这种混合训练架构有效解决了纯RL模型的稳定性问题，同时保留了其探索创新推理路径的优势。该流水线不仅适用于推理模型训练，更为通用人工智能系统的能力塑造提供了可复用的技术框架，预计将对整个行业的模型开发流程产生深远影响。
模型蒸馏技术：小模型也能拥有强推理
在大模型性能突破的同时，DeepSeek团队也关注到推理能力的普惠性问题。研究表明，通过知识蒸馏技术，可将大模型习得的复杂推理模式有效地迁移至小规模模型中，其效果显著优于直接在小模型上进行强化学习训练。这一发现为推理能力的低成本部署开辟了新途径。基于此，团队利用DeepSeek-R1生成的高质量推理样本，对多个主流开源模型进行微调，成功打造出系列化的轻量级推理模型。
此次开源的蒸馏模型覆盖1.5B到70B多种参数规模，基于Qwen2.5和Llama3两大主流架构。这些模型不仅保留了原架构的部署优势，更通过特制的配置调整与分词器优化，使小模型能够复现大模型的核心推理逻辑。例如，1.5B参数的Distill-Qwen模型在数学推理任务上达到了传统30B模型的性能水平，而32B版本更是超越了部分闭源的大模型产品。这种"以小博大"的技术路线，使得边缘设备、嵌入式系统等资源受限场景也能享受到先进的推理能力，极大拓展了AI技术的应用边界。
三、模型资源与下载指南
DeepSeek-R1主模型
| 模型名称 | 总参数量 | 激活参数量 | 上下文长度 | 下载链接 |
|---|---|---|---|---|
| DeepSeek-R1-Zero | 6710亿 | 370亿 | 128K | 🤗 HuggingFace |
| DeepSeek-R1 | 6710亿 | 370亿 | 128K | 🤗 HuggingFace |
DeepSeek-R1-Zero与DeepSeek-R1均基于DeepSeek-V3-Base架构开发，采用混合专家（MoE）设计，在保持6710亿总参数量的同时，通过动态路由机制仅激活370亿参数进行计算，实现了性能与效率的完美平衡。关于模型架构的更多技术细节，可参考DeepSeek-V3项目仓库，其中包含完整的网络设计、训练配置与优化策略说明。
DeepSeek-R1-Distill蒸馏模型
| 模型名称 | 基础模型 | 下载链接 |
|---|---|---|
| DeepSeek-R1-Distill-Qwen-1.5B | Qwen2.5-Math-1.5B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Qwen-7B | Qwen2.5-Math-7B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Llama-8B | Llama-3.1-8B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Qwen-14B | Qwen2.5-14B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Qwen-32B | Qwen2.5-32B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Llama-70B | Llama-3.3-70B-Instruct | 🤗 HuggingFace |
所有蒸馏模型均基于开源基础模型开发，使用DeepSeek-R1生成的百万级推理样本进行微调。值得注意的是，团队对原模型的配置文件与分词器进行了针对性优化，以更好地适配推理任务需求。用户在部署这些模型时，建议使用官方提供的配置参数与预处理工具，以确保最佳性能表现。仓库中提供了详细的环境配置指南与推理示例代码，降低了开发者的使用门槛。
四、全面性能评估
DeepSeek-R1核心模型评测
为确保评估的客观性与全面性，所有模型统一设置最大生成长度为32,768 tokens。对于需要采样的基准测试，采用温度0.6、top-p 0.95的参数配置，并通过单次查询生成64个响应以计算pass@1指标。这种严格的评测标准确保了不同模型间性能对比的公平性。
| 任务类别 | 评测基准（指标） | Claude-3.5-Sonnet-1022 | GPT-4o 0513 | DeepSeek V3 | 同类推理模型A | 同类推理模型B | DeepSeek R1 |
|---|---|---|---|---|---|---|---|
| 模型架构 | - | - | MoE | - | - | MoE | |
| 激活参数量 | - | - | 37B | - | - | 37B | |
| 总参数量 | - | - | 671B | - | - | 671B | |
| 英文能力 | MMLU (Pass@1) | 88.3 | 87.2 | 88.5 | 85.2 | 91.8 | 90.8 |
| MMLU-Redux (EM) | 88.9 | 88.0 | 89.1 | 86.7 | - | 92.9 | |
| MMLU-Pro (EM) | 78.0 | 72.6 | 75.9 | 80.3 | - | 84.0 | |
| DROP (3-shot F1) | 88.3 | 83.7 | 91.6 | 83.9 | 90.2 | 92.2 | |
| IF-Eval (Prompt Strict) | 86.5 | 84.3 | 86.1 | 84.8 | - | 83.3 | |
| GPQA-Diamond (Pass@1) | 65.0 | 49.9 | 59.1 | 60.0 | 75.7 | 71.5 | |
| SimpleQA (Correct) | 28.4 | 38.2 | 24.9 | 7.0 | 47.0 | 30.1 | |
| FRAMES (Acc.) | 72.5 | 80.5 | 73.3 | 76.9 | - | 82.5 | |
| AlpacaEval2.0 (LC-winrate) | 52.0 | 51.1 | 70.0 | 57.8 | - | 87.6 | |
| ArenaHard (GPT-4-1106) | 85.2 | 80.4 | 85.5 | 92.0 | - | 92.3 | |
| 代码能力 | LiveCodeBench (Pass@1-COT) | 33.8 | 34.2 | - | 53.8 | 63.4 | 65.9 |
| Codeforces (Percentile) | 20.3 | 23.6 | 58.7 | 93.4 | 96.6 | 96.3 | |
| Codeforces (Rating) | 717 | 759 | 1134 | 1820 | 2061 | 2029 | |
| SWE Verified (Resolved) | 50.8 | 38.8 | 42.0 | 41.6 | 48.9 | 49.2 | |
| Aider-Polyglot (Acc.) | 45.3 | 16.0 | 49.6 | 32.9 | 61.7 | 53.3 | |
| 数学能力 | AIME 2024 (Pass@1) | 16.0 | 9.3 | 39.2 | 63.6 | 79.2 | 79.8 |
| MATH-500 (Pass@1) | 78.3 | 74.6 | 90.2 | 90.0 | 96.4 | 97.3 | |
| CNMO 2024 (Pass@1) | 13.1 | 10.8 | 43.2 | 67.6 | - | 78.8 | |
| 中文能力 | CLUEWSC (EM) | 85.4 | 87.9 | 90.9 | 89.9 | - | 92.8 |
| C-Eval (EM) | 76.7 | 76.0 | 86.5 | 68.9 | - | 91.8 | |
| C-SimpleQA (Correct) | 55.4 | 58.7 | 68.0 | 40.3 | - | 63.7 |
从评测结果来看，DeepSeek-R1展现出全面且均衡的性能优势。在数学推理领域，其在AIME 2024竞赛题上达到79.8%的正确率，超越同类推理模型B版本；MATH-500数据集上更是以97.3%的通过率刷新行业纪录。代码能力方面，LiveCodeBench基准测试中65.9%的pass@1成绩，以及Codeforces竞赛2029分的评级，均证明其在复杂编程任务上的卓越表现。值得关注的是，在中文权威评测集C-Eval中，DeepSeek-R1以91.8%的准确率位居榜首，展现出对中文专业知识的深度掌握。这些成绩充分验证了混合训练架构在融合推理能力与知识广度方面的独特优势。
蒸馏模型性能表现
| 模型名称 | AIME 2024 pass@1 | AIME 2024 cons@64 | MATH-500 pass@1 | GPQA Diamond pass@1 | LiveCodeBench pass@1 | CodeForces rating |
|---|---|---|---|---|---|---|
| GPT-4o-0513 | 9.3 | 13.4 | 74.6 | 49.9 | 32.9 | 759 |
| Claude-3.5-Sonnet-1022 | 16.0 | 26.7 | 78.3 | 65.0 | 38.9 | 717 |
| 同类推理模型A | 63.6 | 80.0 | 90.0 | 60.0 | 53.8 | 1820 |
| 同类推理模型C | 44.0 | 60.0 | 90.6 | 54.5 | 41.9 | 1316 |
| DeepSeek-R1-Distill-Qwen-1.5B | 28.9 | 52.7 | 83.9 | 33.8 | 16.9 | 954 |
| DeepSeek-R1-Distill-Qwen-7B | 55.5 | 83.3 | 92.8 | 49.1 | 37.6 | 1189 |
| DeepSeek-R1-Distill-Qwen-14B | 69.7 | 80.0 | 93.9 | 59.1 | 53.1 | 1481 |
| DeepSeek-R1-Distill-Qwen-32B | 72.6 | 83.3 | 94.3 | 62.1 | 57.2 | 1691 |
| DeepSeek-R1-Distill-Llama-8B | 50.4 | 80.0 | 89.1 | 49.0 | 39.6 | 1205 |
| DeepSeek-R1-Distill-Llama-70B | 70.0 | 86.7 | 94.5 | 65.2 | 57.5 | 1633 |
蒸馏模型的评测结果同样令人瞩目。以32B参数的DeepSeek-R1-Distill-Qwen-32B为例，其在AIME 2024数学竞赛题上达到72.6%的正确率，不仅超越了同类推理模型A，更接近闭源大模型的性能水平；在MATH-500数据集上以94.3%的通过率创下同量级模型的最佳成绩。即便是1.5B的轻量版本，也在数学推理任务上展现出超越传统10B模型的潜力，证明了知识蒸馏技术在保留核心推理能力方面的高效性。这些小模型在保持推理性能的同时，显著降低了部署门槛，使边缘计算、移动端应用等场景的强推理需求成为可能，为AI技术的普惠化发展提供了有力支撑。
五、便捷使用渠道
用户可通过DeepSeek官方网站体验DeepSeek-R1的强大推理能力，访问chat.deepseek.com并启用"DeepThink"功能即可解锁高级推理模式。该平台提供直观的Web界面，支持复杂数学公式渲染、代码高亮显示等专业功能，特别适合科研人员、工程师进行问题求解与创意探索。
为满足开发者的集成需求，DeepSeek平台还提供了与业界标准API兼容的接口服务，详情可访问platform.deepseek.com。该API支持流式响应、批量推理等高级特性，且提供灵活的计费方案，兼顾科研使用与商业部署需求。无论是构建智能客服系统、开发教育辅助工具，还是打造专业领域的推理应用，都能通过简单的API调用快速实现。
六、本地部署指南
DeepSeek-R1主模型部署
关于DeepSeek-R1系列主模型的本地部署细节，建议用户参考DeepSeek-V3项目仓库。该仓库提供了完整的环境配置说明、硬件需求清单以及优化推理代码。需要特别注意的是，由于模型采用MoE架构，其部署需要支持动态路由的深度学习框架，目前Hugging Face Transformers库尚未完全支持相关特性，用户需使用官方提供的专用推理代码或等待社区适配更新。
重要提示：在开始本地部署前，请确保系统满足以下最低配置要求：至少8张NVIDIA A100 80GB GPU、2TB SSD存储空间、512GB系统内存，以及支持NVLink的高速互联架构。对于普通开发者，推荐优先使用平台API或蒸馏模型进行测试开发。
DeepSeek-R1-Distill模型部署
蒸馏模型的部署流程则更为简便，完全兼容Qwen与Llama系列模型的标准使用方式。以vLLM框架为例，用户只需执行以下命令即可启动高性能推理服务：
vllm serve deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --tensor-parallel-size 2 --max-model-len 32768 --enforce-eager
对于追求极致性能的场景，推荐使用SGLang框架部署：
python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-R1-Distill-Qwen
所有蒸馏模型均已针对长文本推理进行优化，默认支持32768 tokens的上下文窗口，可直接处理书籍章节、代码库等大型文档的理解与推理任务。团队同时提供了经过优化的配置文件与分词器，建议用户使用官方发布的配套资源以获得最佳效果。仓库中包含详细的Python调用示例、性能调优指南以及常见问题解答，帮助开发者快速上手。
七、使用建议与未来展望
在使用DeepSeek-R1系列模型时，建议根据具体任务类型调整推理参数。对于数学证明、复杂逻辑推理等高精度需求场景，推荐使用温度0.2、top-p 0.9的配置，并开启多轮反思模式；而创意写作、头脑风暴等生成任务则可适当提高温度至0.8，以鼓励模型探索更多样化的表达。此外，针对超长文本推理，建议采用"分段处理+摘要整合"的策略，充分利用模型的长上下文优势。
展望未来，DeepSeek团队将持续优化模型的推理效率与多模态能力，计划在下一代产品中引入视觉理解、工具使用等扩展功能，进一步拓宽推理模型的应用边界。同时，团队承诺将继续秉持开源精神，定期发布模型更新与技术文档，与全球研究者共同推动通用人工智能的发展。我们相信，DeepSeek-R1系列模型不仅是当前推理技术的集大成者，更将成为未来智能系统构建的重要基石，为科学发现、技术创新与教育普惠贡献AI力量。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
