每經記者 岳楚鵬    每經編輯 蘭素英    

OpenAI怎么也沒想到，o3還在畫餅階段，中國一夜之間就冒出來兩個能和o1打對臺的模型。

1月20日，月之暗面正式推出多模態思考模型Kimi k1.5，并首次公開該模型的訓練技術報告。其中，Kimi k1.5在short-CoT（短鏈思考）方面達到領先水平，在其他多個測試中也大幅超越GPT-4和Claude Sonnet 3.5。在long-CoT（長鏈思考）方面，該模型在多個領域的表現也與o1持平。

同一天，DeepSeek正式開源R1推理模型，并發布技術報告。R1在多個基準測試中與o1持平，并且成本只有o1的三十分之一。

隨著R1模型的開源，英偉達高級研究科學家Jim Fan稱：“我們生活在這樣一個時代：由非美國公司保持OpenAI 最初的使命——做真正開放的前沿研究、為所有人賦能。”Perplexity CEO Aravind Srinivas更是直言：“DeepSeek才配叫做OpenAI。”

不過，R1依然面臨著開源模型V3一樣的毛病。有網友向他提問“誰訓練你的”時，它回答道：“我是被OpenAI開發的”。

新模型硬剛OpenAI

北京時間1月20日，月之暗面發布了多模態思考模型Kimi k1.5。

在short-CoT模式下，Kimi k1.5的數學、代碼、視覺多模態和通用能力大幅超越了GPT-4o和Claude 3.5 Sonnet，領先幅度高達550%。在long-CoT模式下，Kimi k1.5的數學、代碼、多模態推理能力達到了OpenAI o1正式版的水平。

月之暗面表示，這應該是全球范圍內，首次有OpenAI之外的公司實現o1正式版的多模態推理性能。

同一天，DeepSeek正式開源R1推理模型，允許所有人在遵循MIT License（注：被廣泛使用的一種軟件許可條款）的情況下，蒸餾R1訓練其他模型。

在數學、代碼和自然語言推理等任務上，R1的性能比肩o1正式版。同時根據DeepSeek公布的測試數據，R1在美國AIME 2024、MATH- 500 和 SWE- bench Verified測試中的比分均高于o1。AIME 2024和MATH-500測試專注于數學能力，SWE-bench Verified則用于評估AI模型解決現實世界軟件問題的能力。

更重要的是，R1的價格只有o1的約三十分之一，百萬token（文本處理的基本單元）輸出只需16元人民幣。相較而言，o1的百萬token輸出需要60美元（約合人民幣436元）。

另外，R1的參數量較低，開發人員可以用相對較低的成本在本地運行模型。Exo Lab創始人Alex Cheema在家使用7個MacMini串聯一個MacBook成功運行起了R1模型。他感嘆道：“AGI（通用人工智能）到家了。”

大佬紛紛點贊DeepSeek

R1的技術文檔發布后，Jim Fan第一時間對論文進行研究，之后發出了這樣的感慨：“我們生活在這樣一個時代：由非美國公司保持OpenAI 最初的使命——做真正開放的前沿研究、為所有人賦能。”

他補充道：“DeepSeek-R1不僅開源了大量模型，還泄露了所有訓練秘密。他們可能是第一個顯示RL（強化學習）飛輪發揮主要作用、持續增長的OSS項目。（對AI研究的）影響不僅可以通過‘內部實現ASI’或‘草莓計劃’等神話名稱來實現，也可以通過簡單的轉儲原始算法和matplotlib學習曲線來產生影響。”

Jim Fan的每一句話都在戳喜歡搞神秘、賣期貨的OpenAI的肺管子。

實際上，業界有這種看法的人還不少。Abacus ai的CEO Bindu Reddy評價道：“這是開源AGI的勝利，一家來自中國的小型初創公司擊敗了所有人”。

UC Berkeley 教 授 Alex Dimakis也認為，DeepSeek現在已經處于領先位置，美國公司可能需要迎頭趕上了。

Aravind Srinivas 更是直言：“DeepSeek才配叫做OpenAI。”

除了對OpenAI的諷刺之外，Jim Fan還深入解讀了R1模型的創新之處。他表示，R1模型純粹由RL驅動，完全沒有SFT（冷啟動）。這讓人想起AlphaZero，從頭開始掌握圍棋、將棋和國際象棋，而無需先模仿人類大師級的動作。

而且，R1使用由硬編碼規則計算的真值獎勵，避免使用任何RL容易攻擊的學習獎勵模型。隨著訓練的進行，模型的思考時間穩步增加。Jim Fan強調，這不是預先編程好的，而是一種模型自主的突發特性，并且模型也出現了自我反省和探索行為。

DeepSeek還使用了一種名為GRPO（組相對策略優化）的新優化方法，有效減少了內存使用。GRPO 由 DeepSeek 于2024年2月發明。這也是為什么家用設備也能完整運行R1的原因。

基于此，有網友指出，鑒于Deepseek仍在使用GRPO等GPU性能較差的方法，可以推斷出，該公司可能沒有很多功能強大的Hopper GPU。這意味著，算力訓練成本也是極低的。

有網友評價，這是AI的“頓悟時刻”：“R1-Zero（注：R1是R1-Zero調整后的模型）證明模型可以自我開發推理策略。舉個例子：當遇到問題時，它學會了回溯并質疑其最初的假設——這是一種從未明確編程的行為。”這代表著DeepSeek的新模型已經能夠具有像人類一樣的自主學習能力。

知名AI評測員Matthew Berman表示，R1擁有他所見過的最像人類的內心獨白。