證券時(shí)報(bào)的文章內(nèi)容僅供參考，不構(gòu)成實(shí)質(zhì)性投資建議，據(jù)此操作風(fēng)險(xiǎn)自擔(dān)。下載“證券時(shí)報(bào)”官方APP或關(guān)注官方微信公眾號(hào)，可以隨時(shí)了解股市動(dòng)態(tài)，洞察政策信息，把握財(cái)富機(jī)會(huì)。

9月18日，DeepSeek團(tuán)隊(duì)的研究論文《DeepSeek-R1推理模型》登上了國(guó)際權(quán)威期刊《自然》的封面。梁文鋒擔(dān)任該論文的通訊作者。DeepSeek R1是首個(gè)通過(guò)同行評(píng)議的主要大語(yǔ)言模型，新版論文與今年1月未經(jīng)同行評(píng)審的初版有較大差異。

在同行評(píng)議過(guò)程中，DeepSeek團(tuán)隊(duì)減少了對(duì)模型的擬人化描述，并增加了技術(shù)細(xì)節(jié)說(shuō)明，包括訓(xùn)練數(shù)據(jù)類型和安全性考慮等，回應(yīng)了關(guān)于知識(shí)蒸餾的質(zhì)疑。DeepSeek否認(rèn)了使用OpenAI模型輸出進(jìn)行訓(xùn)練的說(shuō)法，明確表示DeepSeek-V3 Base（DeepSeek-R1的基座模型）使用的數(shù)據(jù)全部來(lái)自互聯(lián)網(wǎng)，雖然可能包含GPT-4生成的結(jié)果，但絕非有意而為之，更沒(méi)有專門(mén)的蒸餾環(huán)節(jié)。為防止基準(zhǔn)測(cè)試數(shù)據(jù)污染，團(tuán)隊(duì)對(duì)DeepSeek-R1的預(yù)訓(xùn)練和后訓(xùn)練數(shù)據(jù)都實(shí)施了全面的去污染措施。

開(kāi)源之后，R1在Hugging Face上的下載量突破1090萬(wàn)次，成為全球最受歡迎的開(kāi)源推理模型之一。DeepSeek首次公開(kāi)了僅靠強(qiáng)化學(xué)習(xí)就能激發(fā)大模型推理能力的重要研究成果，啟發(fā)了全球AI研究者。R1的核心創(chuàng)新在于采用了“純強(qiáng)化學(xué)習(xí)”這一自動(dòng)化試錯(cuò)方法，通過(guò)獎(jiǎng)勵(lì)模型達(dá)到正確答案的行為來(lái)學(xué)習(xí)推理策略，而非傳統(tǒng)模仿人類預(yù)設(shè)的推理模式。補(bǔ)充材料中還首次公布了R1訓(xùn)練成本僅為29.4萬(wàn)美元，加上約600萬(wàn)美元的基礎(chǔ)模型成本，遠(yuǎn)低于其他主流AI公司的訓(xùn)練成本。

今年1月，DeepSeek R1模型發(fā)布時(shí)，其卓越的推理能力和極低的開(kāi)發(fā)成本曾引發(fā)全球科技股大幅下跌。作為全球首個(gè)通過(guò)同行評(píng)審的主流大語(yǔ)言模型，《自然》期刊將該篇論文作為封面論文，并在評(píng)論報(bào)道文章中表達(dá)了贊賞和肯定，認(rèn)為這標(biāo)志著中國(guó)在大模型基礎(chǔ)研究領(lǐng)域取得重要突破。在AI行業(yè)快速發(fā)展中，未經(jīng)證實(shí)的說(shuō)法和炒作不在少數(shù)?！蹲匀弧冯s志認(rèn)為，依靠獨(dú)立研究人員進(jìn)行的同行評(píng)審是抑制AI行業(yè)過(guò)度炒作的有效方式。DeepSeek所做的一切，是非常值得歡迎的先例。

8月21日，DeepSeek正式發(fā)布了最新大語(yǔ)言模型DeepSeek-V3.1。新升級(jí)版本的變化主要體現(xiàn)在三個(gè)方面：混合推理架構(gòu)、更高的思考效率以及更強(qiáng)的Agent能力。DeepSeek-V3.1實(shí)現(xiàn)了一個(gè)模型同時(shí)支持思考模式與非思考模式。DeepSeek是2023年成立于杭州的人工智能公司，由幻方量化孵化，創(chuàng)始團(tuán)隊(duì)由梁文鋒領(lǐng)銜，成員來(lái)自頂尖高校與國(guó)際機(jī)構(gòu)的技術(shù)專家。