DeepSeek最新模型硬剛o1！英偉達科學家等大佬：這才配叫OpenAI

每經(jīng)記者 岳楚鵬    每經(jīng)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?qū)ε_的模型。

1月20日，月之暗面正式推出多模態(tài)思考模型Kimi k1.5，并首次公開該模型的訓練技術報告。

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(xiàn)也與o1持平。

同一天，DeepSeek也正式開源R1推理模型，并發(fā)布技術報告。R1在多個基準測試中也與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表更是直言：“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(wǎng)友向他提問“誰訓練你的”時，它回答道：“我是被OpenAI開發(fā)的”。

DeepSeek、Kimi新模型發(fā)布“撞車”，硬剛OpenAI 

北京時間1月20日，月之暗面發(fā)布了多模態(tài)思考模型Kimi k1.5。

在short-CoT模式下，Kimi k1.5的數(shù)學、代碼、視覺多模態(tài)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(shù)學、代碼、多模態(tài)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(nèi)，有OpenAI之外的公司首次實現(xiàn)o1正式版的多模態(tài)推理性能。

圖片來源：X

同一天，DeepSeek也正式開源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(shù)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(jù)DeepSeek公布的測試數(shù)據(jù)，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(shù)學能力，SWE-bench Verified則用于評估AI模型解決現(xiàn)實世界軟件問題的能力。

圖片來源：X

更重要的是，R1的價格只有o1的約三十分之一，百萬token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）。

圖片來源：DeepSeek官網(wǎng)

另外，R1的參數(shù)量較低，開發(fā)人員可以用相對較低的成本在本地運行模型。Exo Lab創(chuàng)始人Alex Cheema在家使用7個MacMini串聯(lián)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。”

圖片來源：X

英偉達科學家等大佬：DeepSeek才配叫OpenAI

R1的技術文檔發(fā)布后，英偉達高級研究科學家Jim Fan第一時間對論文進行研究，之后發(fā)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(fā)揮主要作用、持續(xù)增長的OSS項目。（對AI研究的）影響不僅可以通過‘內(nèi)部實現(xiàn)了ASI’或‘草莓計劃’等神話名稱來實現(xiàn)，也可以通過簡單地轉(zhuǎn)儲原始算法和matplotlib學習曲線來產(chǎn)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。

圖片來源：X

實際上，業(yè)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(chuàng)公司擊敗了所有人”。

UC Berkeley教授Alex Dimakis也認為，DeepSeek現(xiàn)在已經(jīng)處于領先位置，美國公司可能需要迎頭趕上了。

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

圖片來源：X

除了對OpenAI的諷刺之外，Jim Fan還深入解讀了R1模型的創(chuàng)新之處。

他表示，R1模型純粹由RL驅(qū)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(guī)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(wěn)步增加。Jim Fan強調(diào)，這不是預先編程好的，而是一種模型自主的突發(fā)特性，并且模型也出現(xiàn)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(yōu)化）的新優(yōu)化方法，有效減少了內(nèi)存使用。GRPO由DeepSeek于2024年2月發(fā)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(wǎng)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(wǎng)友評價，這是AI的“頓悟時刻”：“R1-Zero（注：R1是R1-Zero調(diào)整后的模型）證明模型可以自我開發(fā)推理策略。舉個例子：當遇到問題時，它學會了回溯并質(zhì)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(jīng)能夠具有像人類一樣的自主學習能力了。

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

圖片來源：X

然而，R1依然面臨著開源模型V3一樣的毛病。有網(wǎng)友向他提問誰訓練你的時，它回答道：“我是被OpenAI開發(fā)的”。

圖片來源：X