如何评价deepseek-R1与deepseek-R1-Zero模型？

这款模型最近真的很火，让我想起了当初kimi刚发布的时候。网上关于它的讨论基本都聚焦在“便宜，开源，创新”这几点上，对于吃瓜群众来说足以呼应他们的情绪了，但从开发者的角度来说，我们更想知道，可以从这个“自学成才”的模型中学到什么？

“自学成才”

deepseek-R1是基于大规模强化学习进行训练的。所谓强化学习，就是完全不依赖人类给的“标准答案”来训练，而是通过与环境的互动，学习到一种策略，以最大化长期累积的奖励，就比如AlphaZero那种自己跟自己下棋、慢慢变厉害的模式。

在传统的大模型训练中，这种“自学成才”的模式没有被重视，因为太麻烦了：首先数据获取就很麻烦，要让模型在环境里摸爬滚打，还要设计奖励机制，才能逐步生成数据；而且强化学习的训练过程不稳定，不同的起点和探索方式可能会让训练结果差很多，甚至可能根本就训练不好，就像在风浪里划船。

相比之下，监督学习就像在平地上走路，不仅集中标注数据更简单，算法实现的路径也更加明确。

那这里你可能就有疑问了，能不能把这两者结合起来呢？

实际上，deepSeek团队在训练R1-Zero的时候就主打强化学习，但是他们发现R1-Zero的推理输出的内容有时候会让人看得一头雾水，要么就是重复来重复去，要么就是各种语言混在一起，让人摸不着头脑。为了改进这些问题，他们在R1-Zero的基础上加入了一点点监督微调（SFT），这才有了R1。

那么R1的表现如何呢？

由于R1模型主要对标的是其他推理模型，比如OpenAI的o1，所以想要考验它的能力，就得出一些复杂一点的、需要一层层推理才能解开的题目。重点是，这些题目得是全新的，不能在网上或者论文里找到现成的答案。我们来看几个例子。

这题可能难度还是低了点，网上的资料也比较多，但deepseek-R1给出的答案我还是比较满意的，相比GPT-4或者GPT-4o，它几乎没有幻觉，这就非常不错了。

可以对比一下ChatGPT 4o对同一个问题的回答：

虽然deepseek-R1和ChatGPT 4o都有一个幻觉，那就是孙悟空先被封弼马温，后自称齐天大圣（只要联动搜索就很容易纠正这个错误）。但deepseek-R1还是更完整的提到了“避马瘟”的谐音梗和更深入的解释了天庭的权谋，从这个角度来说体验比4o要好一些。

再来看一个网友的脑洞：

怎么样？我感觉我都可以借助deepseek写一篇硬科幻小说了，不得不说，这个推理能力还是很在线的，而且速度非常快，这可能是因为它有个特别的设计，叫混合专家（MoE）架构，通过一种“路由器”机制，只激活一部分神经元，这样就能省下不少计算成本，推理起来就更高效了。

根据网上公开的消息，R1的API定价远低于OpenAI-o1，输入token收费0.55美元/百万，输出token收费2.19美元/百万，而o1的收费分别是15美元/百万和60美元/百万。R1之所以这么便宜，不是因为补贴或者烧钱，而是技术上的创新。有了这么便宜又厉害的AI模型，自己动手撸一个AI应用也不算啥难事儿了！你看，像LangChain、Spring AI这种开源项目越来越成熟，机会也越来越多。对于专业的程序员来说，AI的更新换代简直就是“新饭碗”的代名词！已经有不少人靠转型搞AI，实现了升职加薪，开启职场“外挂模式”了！

从R1到R1-Zero, 靠的是对模型的微调，而想要发挥模型的潜能，还需要配合基于LangChain这样的开发框架所做出的应用，这些都是一名AI大模型工程师的必备技能。如果你也想要成为让大模型帮你提高工作效率，或者转换赛道到大模型行业，那么我建议你去听听知乎知学堂的大模型开发工程师课。

就我个人的体验来说，这门课讲得特别清楚，不管你是刚入行的小白，还是已经混迹江湖的老程序员，跟着老师都能学到AI大模型最新、最全的知识，听完课，还能领取AI大模型的资料，性价比超高！

推理模型的瓶颈

尽管deepSeek-R1在文本推理和逻辑任务中表现出色，但在通用能力方面仍然存在短板。比如在函数调用、多轮对话、复杂角色扮演等任务上，它的表现就不如deepSeek-V3。而且R1也不支持多模态任务，不过这也不是重点啦。

根据网友们的反馈，尽管经过了优化，但是deepseek处理非中英文内容的时候还是不太灵光，语言混杂现象还是存在。比如你给它一个德语的脑筋急转弯，它会先翻译成中文或英文再处理，这样一来一去，不仅浪费时间，还容易出错。

另外，这个模型还特别“挑食”，对提示词非常敏感。如果给它的提示太少，它就会出现一些奇怪的状况，比如思维链过于复杂，“左右互搏”，或者输出质量明显下降；而给的提示太多，又会把它搞懵，导致输出的答案过于中庸。

在应用场景上，由于强化学习训练的评估周期较长，导致DeepSeek-R1在软件工程任务上也有些“力不从心”，哪怕是生成简单的bash脚本，也不如OpenAI的o1模型稳定了。

R1的这些问题，其实也是推理模型共同的瓶颈。比如模型的表现要看训练数据的脸色，要是遇到需要复杂或者现代知识的推理任务，它们就容易“掉链子”、卡壳。而且模型的参数量还是太大，想要在本地硬件上运行，可能还是要经过蒸馏。

写在最后

R1系列模型在训练方法上确实有突破，尤其是R1-Zero完全依靠强化学习就能获得强大的推理能力，这为大模型训练提供了新的思路。而DeepSeek将模型开源，并采用宽松的MIT License，也必定会推动技术的应用，成为国产AI的新生力量。

本文转载于MSN作者：知乎，文中观点仅代表作者本人，本站仅供信息存储，如有侵权请联系本站删除。