中国初创公司 DeepSeek 近日公开推出了一系列大型语言模型（LLM），号称性能可与 OpenAI 的 o1 模型抗衡。成立仅两年的 DeepSeek 由创业者梁文锋创办，其背后有量化对冲基金「高飞资本」的资金支持。DeepSeek 模型以 MIT 许可的形式免费开放下载，宣称在推理、数学等方面达到与主流美系大模型相当的水平。本文将从模型亮点、推理表现、使用方法等角度，一探这款免费对标 o1 的 AI 新星。

1. 为何 DeepSeek R1 值得关注？

DeepSeek 在 2024 年底正式发布了 V3 大模型，而最新的 R1 则是在 V3 基础上聚焦「链式思考（chain-of-thought, CoT）」推理能力的一次深度微调。与许多西方闭源模型不同，R1 不仅将训练权重开源，而且采用宽松的 MIT 协议，方便开发者在商用场景中使用。

• 训练与成本：DeepSeek 表示，其最大规模的 R1 模型拥有 6710 亿参数（其中 370 亿参数在推理时被激活），训练耗时约 278.8 万 GPU 小时，使用 2048 张英伟达 H800 GPU，总成本约 558 万美元，相比美系厂商动辄数亿美元的投资显得“相当节省”。
• 开源共享：R1 模型及其蒸馏版本（参数规模从 1.5B 到 70B 不等）均已上传至 Hugging Face。得益于 MIT 许可证，开发者可任意在项目中集成、二次开发。

2. 真实测试：DeepSeek R1 能否与 o1 抗衡？

我们对 R1 及其蒸馏版本进行了多种实测，包括最常见的「LLM 容易翻车」问题——数数、简单数学运算、推理规划、空间关系等，力图探究 DeepSeek 在实际使用场景中的表现。

（1）简单字符统计

• “strawberry” 的 R 数量：主力 R1 大模型能够正确回答「3 个 R」，与 OpenAI o1 一样并未像许多 LLM 那样犯“两位数”错误。
• 小规模蒸馏版本（1.5B、7B、8B）不太稳定，部分测试会答成两三个版本不一，但 14B 及以上规模的表现更接近 671B 大模型。

（2）基础数学运算

• 问题示例：2485 × 8919, 23929 ÷ 5783, 解方程 X * 3 / 67 = 27
• R1 大模型能快速给出 2485 × 8919 = 22163715，并正确求出 X = 603；但在除法时，仅给出了小数点后三位，没有像有些模型那样四舍五入到小数点后四位。
• 小规模蒸馏模型对大整数和小数推断差异较大，8B、7B 及 1.5B 经常答非所问；14B 以上相对准确度提升。

（3）推理与空间关系

• 狼、羊、白菜过河：R1 大模型一次性就给出“船有三个隔间”的最佳解，8B~14B 版本常常忽略该点或陷入绕圈思考；1.5B 模型甚至在输出“思考链”时卡住“死循环”。
• 圆圈站位：Alan, Bob, Colin, Dave, Emily 五人依次相邻，问谁在 Alan 右边？部分蒸馏模型会翻车。R1 大模型多数情况下能回答“Bob”，但重复提问时偶有失误。

（4）政治敏感议题

• 跟很多中国公司大模型类似，R1 明显做了审查，对 政治敏感话题直接拒绝或引导至其他话题。蒸馏版的 14B、8B、7B 也同样如此——无一例外均显示“无法回答”或“对不起，我不能回答这个话题”，这与已有的 QQwen、Ernie 等国产模型现状相似。

3. 链式思考：推理更强，速度却更慢

R1 最大特色在于「chain-of-thought」。模型会先生成内部思维过程，然后再输出最终答案，减少“幻觉”与逻辑错误。

• 推理时长变长：因在生成答案前需产生大量「思考」tokens，整体响应速度显著慢于同规模的普通 LLM。如果是 8B、14B 级别蒸馏版，部分场景耗时依然可忍受；但 32B 或以上规模的模型若在本地推理，速度会明显下滑。
• 硬件要求更高：更多 tokens 意味着更多内存带宽占用。对 GPU 环境要求高，若想用 32B 以上模型最好配备 24GB 或更大显存，还要尝试 4-bit 量化，否则无法容纳。

4. 如何在本地使用 DeepSeek R1？

如果你想亲自体验 DeepSeek R1，却没有堆叠数十张 H100 的条件，可借助 Ollama 或者 Open WebUI。它们提供了易于安装、运行的环境，适合在家用 PC 或服务器上试玩 R1 蒸馏模型。

1. 准备工作GPU 要有至少 8GB 显存（跑 8B、7B、1.5B 量化版），如要尝试 32B 或 70B 必须 24GB 显存以上；安装 Docker（在容器里更便捷地运行 Open WebUI），并确保命令行环境可用。
2. 安装 OllamamacOS/Windows 可从 ollama.com 直接下载安装包；Linux 环境输入 curl -fsSL https://ollama.com/install.sh | sh 一键安装，然后测试 ollama version。
3. 下载并运行模型例： ollama pull deepseek-r1:8b 获取 8B 量化版模型；之后 ollama run deepseek-r1:8b 即可在命令行中向模型提问。
4. 部署 Open WebUI先确保 Docker 已安装，再执行：perl复制编辑docker run -d --network=host -v open-webui:/app/backend/data \ -e OLLAMA_BASE_URL=http://127.0.0.1:11434 --name open-webui \ --restart always ghcr.io/open-webui/open-webui:main 打开 http://localhost:8080 查看前端界面。在模型下拉菜单里选择「deepseek-r1:8b」（或任意下载好的尺寸），即可在浏览器里与 R1 互动。

5. DeepSeek R1的未来与挑战

在中国 AI 圈，DeepSeek 用“中等投入+高效算力+MIT 协议开源”的组合拳，闯出名声。R1 在文字理解、推理方面的确有可圈可点之处，尤其在推理能力与开源度上，让开发者眼前一亮。不过，实际测试也显示，R1 并不具备完美答案——数理计算依然有失败案例，政治话题有敏感审核，CoT 虽提升逻辑但牺牲了速度。

短期来看，DeepSeek R1 不会取代 GPT-4o 或 Claude 等顶级闭源大模型在高端商用领域的地位。但对于想要更自由商用、更透明可定制的团队和个人来说，R1 的到来无疑提供了新的选择。从长远看，R1 也象征了“中国AI团队”在开源大模型上的再一次尝试——能否打破美系大厂的技术垄断，还有待观察，但至少值得大家亲自体验一番。

相关标签： R1 模型 DeepSeek 推理 蒸馏 8B 15B 开源 LLM o1