雷峰网讯 DeepSeek-R1 又开先例，成为首个登上《N😡ature》封面的中国大模型。 2025 年春节，De😍epSeek-R1 横空出世，因其极低的训练成本引发病毒式传💯播。八个月过去，这一成果带着 Nature 的金字招牌再次回😴到公众视野中央，只为一件事：技术透明。 这篇名为 De😅epSeek-R1 incentivizes reasoni😊ng in LLMs through reinforceme🌟nt learning 的《Nature》 封面论文由创始人🙄梁文锋担任通讯作者。文中首次确认了此前流传的DeepSeek😘 R1 训练成本，约 29.4 万美元，折合人民币约 208😉 万，并进一步披露了模型训练中采用的数据类型、强化学习方案等😍技术细节。 在揭开这一里程碑式大模型的面纱之外，这篇论🎉文更大的意义，是 DeepSeek-R1 作为全球首个经历了😊同行评审的大语言模型，将大模型研究推向了更透明、可重复的方向😆。 此前业内通行的做法，是科技公司在自家官网、论文预印🙌本网站 arXiv或知名技术论坛上发布突破性成果及基准测试分😁数，大部分模型 API 随后即向公众开放。这一过程绕开了传统😊学术评价体系中的同行评审环节，而 DeepSeek 团队则主❤️动接受了这一来自学术界的审视。 根据 《Nature》😜公布的补充信息显示，评审意见主要集中在实验评估、模型安全性和😊伦理风险等方面，要求补充 OOD（分布外）测试、中间阶段性能❤️分析、误用讨论等工作。正是针对上述同行评审意见，DeepSe🎉ek 团队才增加了对数据类型等训练细节的披露，并进一步证明了👏成果的安全性。 “这是一个非常值得欢迎的先例，“论文评😍审之一，Hugging Face 机器学习工程师 Lewis🤗 Tunstall 表示，”如果我们没有公开分享这一过程大部🤗分内容的规范，那么将很难评估这些系统是否构成风险。“ 😀公开训练细节，回应“蒸馏”质疑 那么在最新版本的论文中🤗， DeepSeek 团队都补充了 R1 的哪些训练细节呢？😡 首先是训练成本，此前曾震动华尔街的 29.4 万美元🚀数据终于得到证实。 据补充材料介绍， DeepSeek💯-R1 的研究工作分为三个阶段。 第一阶段使用 A10😎0 GPU 对 30B 参数的小模型进行实验预研，因结果表现😍良好，使团队有信心将规模扩大至 660B 参数的 R1-Ze🎉ro 和 R1。 第二阶段的成果是 DeepSeek-🙌R1-Zero，研究团队动用了 512 块 H800 GPU🎉，耗时约 198 小时。 最后是 DeepSeek-R😡1，仍然采用 512 块 H800 GPU 的配置，但仅用时🙌 80 小时便宣告完成。 在训练数据构成方面， Dee😂pSeek-R1 采用了数学、编程、STEM、逻辑四大类题目🙌。 展开全文 其中数学数据集由 2.6 万道定量💯推理题构成，涵盖数学考试和竞赛题目，模型需逐步推理并给出最终🚀正确答案。 编程数据集由 1.7 万道算法竞赛题与 8😴 千道 Bug修复题构成，其中后者全部来自真实的GitHub👏 issue，数据集提供问题描述、含缺陷源码与部分失败的单元😊测试，要求模型定位并修复缺陷，使代码通过全部测试。 S🔥TEM 数据集由 2.2 万道选择题构成，覆盖物理、化学、生😘物等学科，模型需选出最科学准确的答案。 逻辑数据集由真🙌实问题和合成问题共 1.5 万题构成。 此外 Deep😴Seek 团队还引入了通用 RL 数据以提升 DeepSee😜k-R1 的有用性与无害性。在训练过程中，研究人员采用了两个🙌独立训练的奖励模型，一个针对“有用”排序数据训练，涵盖创意写🌟作、编辑、事实问答等领域的 6.6万题，一个针对“无害”排序🌟数据训练，由1.2 万题构成。 特别值得一提的是，在最🔥新版论文中，DeepSeek 团队正面回应了此前关于 R1 🤗蒸馏 OpenAI 模型的质疑。 研究团队专门为此设计😊了一项试验，使用 Qwen2-7B 作为基础模型时，通过大规😍模强化学习进行训练，该模型同样可以自主发展出各种先进推理策略😘。而 Qwen2-7B 的发布时间为 2024 年 6 月，😅显然早于所有公开的推理模型。蒸无可蒸，推理能力的优化自然源于👏 DeepSeek-R1 开创的强化学习方法。 Dee🤯pSeek-R1 的另一大特征是在推理过程中更频繁地使用“我😁”和“我们”等第一人称代词。值得一提的是，这种效果是通过精心😴设计的冷启动数据所实现。 论文中介绍，研究团队发现当推🙄理过程符合第一人称视角的思维模式时，用户会认为其回应更直观且🔥具有吸引力。为此，研究团队要求标注人员将推理轨迹转换为更自然🥳、更贴近人类对话风格的表达，并以此作为示例提示大语言模型以类😅似风格重写更多。 在如此收集到的数千条 CoT 数据中😂进一步筛选出最终答案正确且格式清晰的，就得到了简洁、可读性强🙄，既包含推理步骤，也涵盖最终结果的高质量冷启动数据。 🚀双重里程碑 时隔八个月再次回顾，DeepSeek-R1😡 因何成为大模型史上里程碑式的论文？ 有一部分答案藏在🚀训练成本里。DeepSeek-R1 29.4 万美元的训练成😊本不仅只有当时同等规模模型的十分之一，而且其中仅有 1 万美😘元被用于构建 SFT 数据集。这意味和同行相比，它背后砍掉了😊大规模的监督微调。 属于人类的能力，也向人类学习，监督🚀微调曾经是提升模型推理能力的共识。但它的局限性也很明显，对人🤯类标注推理轨迹的依赖显著增加了模型训练成本，限制了可扩展性，❤️人类的认知偏见也在向模型渗透。 更引人深思的问题是，复👍制人类思维过程真的是硅基推理的最优解吗？是否存在一种更优越的👏、非人类思维的推理方式？如果答案是肯定的，那一定在人类示例之😊外。 正是在这样的背景下，DeepSeek-R1 提出😆了一种通过纯粹强化学习实现推理能力自我进化发展的路径，以摆脱🤔对人工标注推理轨迹的依赖。 具体而言，研究团队基于 D🥳eepSeek-V3 base，并使用组相对策略优化（GRP😜O）作为强化学习框架。在全新的训练范式下，仅对最终答案的正确😊性进行奖励，而不对推理过程本身施加约束。简单来说，就是推理方🤯式不限，能抓到耗子就是好猫。 这种训练方案设计和研究团👍队的假设一脉相承：人类定义的推理模式可能会限制模型探索，而不😂受限制的强化学习训练能更好地激励 LLMs 中新型推理能力的😉出现。 实验结果表明，DeepSeek-R1-Zero😡 的确自然地发展出了多样化和复杂的推理行为。为解决推理问题，😎它表现出了生成更长响应的倾向，并且存在在每个响应中包含验证、😅反思和探索替代方法的趋势。 “尽管我们没有明确地教模型🥳如何推理，但它通过强化学习成功学习了改进的推理策略。”论文指🌟出。 展现出强大推理能力的同时，DeepSeek-R1🌟-Zero 在可读性差和语言混杂等方面仍存在挑战。这一问题的😀根源在于 DeepSeek-V3 base 是在多种语言上完😡成训练，为此 DeepSeek-R1 的开发被提上日程。 💯 这一次，研究团队不仅通过多阶段强化学习训练改进模型在对话😉式推理过程、语言一致性以及人类偏好对齐方面的表现，而且在拒绝🙄采样和监督微调环节将推理和非推理数据集都纳入 SFT 过程，😆这一设计使 DeepSeek-R1 不仅能在推理任务中表现出😀色，还展示出了高级的写作能力。 基准测试结果显示，脱胎🤗于全新训练范式下的 DeepSeek-R1 在 MMLU、C😊-eval、GPQA Diamond、Arena-Hard、😊SWE-bench Verified、AIME 2024 上😆均表现出色。而更直接的例子，则是在 2025 年春节之后的一😅段时间里，DeepSeek-R1 几乎成为了国产大模型的代名👏词。 LLMs 的推理能力可以通过纯 RL 进行激励，🤯无需人工标注推理轨迹的参与。这一今天已成为共识的创想，最初就😍是经由 DeepSeek-R1 所实现。DeepSeek 团🤔队在此基础上构建的 RL 框架，也促进了自我反思、验证和动态🔥策略适应等高级推理模式的涌现。 而今天，这一突破性成果😎经受住了学术出版审查。主动接受专家评审的拷问，补充材料说明技😉术细节，并最终作为顶刊封面论文刊发……如果说 DeepSee🥳k-R1 的初次发布是一个关于前沿技术突破的故事，那么时隔八😘个月之后，这个故事的关键词变成了学术透明和技术开放。 😢补充各种技术细节之后，《Nature》最新这篇封面论文堪称“🙄手把手教你训 R1”。它让我们看到头部科技企业的核心成果不是❤️只能封装成语焉不详的黑盒提供给用户，而是也可以拿到同行评审面😍前接受审视，以及更重要的，给出符合学术规范的解释和回应。 😂 商业化考量让 OpenAI、Google 等科技巨头纷纷🙌和传统的学术审查保持距离，这本无可非议，但是当 DeepSe🚀ek-R1 真的成为了可复现、可验证的学术成果，这种对技术开🤔放性的追求无疑也让研究团队的选择更加可敬。 在双重意义😴上，DeepSeek-R1 都堪称里程碑。 参考资料：😁 https://www.nature.com/art🔥icles/s41586-025-09422-z#ethic😆s https://www.nature.com/ar😡ticles/d41586-025-03015-6 雷🤩峰网文章返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

中国大模型，首登Nature封面。 9月17日，在最新😍一期的国际权威期刊Nature（自然）中，DeepSeek-😊R1推理模型研究论文登上了封面。该论文由DeepSeek团队😅共同完成，梁文锋担任通讯作者，首次公开了仅靠强化学习就能激发👏大模型推理能力的重要研究成果。这是中国大模型研究首次登上Na💯ture封面，也是全球首个经过完整同行评审并发表于权威期刊的🙄主流大语言模型研究，标志着中国AI技术在国际科学界获得最高认🎉可。 Nature在其社论中评价道：“几乎所有主流的大🤔模型都还没有经过独立同行评审，这一空白终于被DeepSeek😆打破。” 中国AI大模型的“Nature时刻” 😆自大模型浪潮席卷全球以来，技术发布、性能榜单层出不穷，但始终😘缺乏一个权威的“科学认证”机制。OpenAI、谷歌等巨头虽屡😅有突破，但其核心技术多以技术报告形式发布，未经独立同行评审。🚀 DeepSeek以其公开性和透明性打破了这一局面。D🥳eepSeek-R1模型的研究论文最早于今年年初发布在预印本⭐平台arXiv上。自今年2月14日向Nature投递论文至今😀，历经半年，8位外部专家参与了同行评审，DeepSeek-R🙄1推理模型研究论文终获发表，完成了从预印本到Nature封面🙄的“学术跃迁”。审稿人不仅关注模型性能，更对数据来源、训练方❤️法、安全性等提出严格质询，这一过程是AI模型迈向更高的透明度😀和可重复性的可喜一步。 因此，Nature也对Deep⭐Seek的开放模式给予高度评价，在其社论中评价道：“几乎所有😀主流的大模型都还没有经过独立同行评审，这一空白终于被Deep⭐Seek打破。”全球知名开源社区Hugging Face机器😡学习工程师Lewis Tunstall也是DeepSeek论😊文的审稿人之一，他强调：“这是一个备受欢迎的先例。如果缺乏这🤔种公开分享大部分研发过程的行业规范，我们将很难评估这些系统的🤗潜在风险。” 据了解，DeepSeek本次在Natur🤯e上发表的论文较今年年初的初版论文有较大的改动，全文64页，🙌不仅首次披露了R1的训练成本，而且透露了更多模型训练的技术细🎉节，包括对发布初期外界有关“蒸馏”方法的质疑作出了正面回应，😂提供了训练过程中减轻数据污染的详细流程，并对R1的安全性进行🤩了全面评估。 其中，在训练成本方面，R1-Zero和R🥳1都使用了512张H800GPU，分别训练了198个小时和8💯0个小时，以H800每GPU小时2美元的租赁价格换算，R1的😂总训练成本为29.4万美元（约合人民币209万元）。不到30👏万美元的训练成本，与其他推理模型动辄上千万美元的花费相比，可💯谓实现了极大的降本。 关于R1发布最初时所受到的“蒸馏💯”质疑，DeepSeek介绍，其使用的数据全部来自互联网，虽😂然可能包含GPT-4生成的结果，但并非有意而为之，更没有专门😅的蒸馏环节。所谓“蒸馏”，简单理解就是用预先训练好的复杂模型🎉输出的结果，作为监督信号再去训练另外一个模型。R1发布时，O💯penAI称它发现DeepSeek使用了OpenAI专有模型😂来训练自己的开源模型的证据，但拒绝进一步透露其证据的细节。 🤩 R2何时问世引发关注 自今年年初发布R1以来，D😆eepSeek在全球树立了开源模型的典范，但过去数月，外界对⭐于R2何时发布始终保持高度关注，相关传言一直不断。不过，R2🙄的发布时间一再推迟，外界分析R2研发进程缓慢可能与算力受限有😆关。 展开全文 值得注意的是，今年8月21日，D🙌eepSeek正式发布DeepSeek-V3.1，称其为“迈🎉向Agent（智能体）时代的第一步”。据DeepSeek介绍🤩，V3.1主要包含三大变化：一是采用混合推理架构，一个模型同😆时支持思考模式与非思考模式；二是具有更高的思考效率，能在更短🤩时间内给出答案；三是具有更强的智能体能力，通过后训练优化，新🤯模型在工具使用与智能体任务中的表现有较大提升。 由于R😢1的基座模型为V3，V3.1的升级也引发了外界对于R2“在路😘上”的猜测。V3.1的升级更深刻的意义在于，DeepSeek🙌强调DeepSeek-V3.1使用了UE8M0 FP8 Sc😊ale的参数精度，而UE8M0 FP8是针对即将发布的下一代💯国产芯片设计。这也表明未来基于DeepSeek模型的训练与推😅理有望更多应用国产AI芯片，助力国产算力生态加速建设。这一表🙌态一度带动国产芯片算力股股价飙升。 中国银河证券研报指💯出，DeepSeek从V3版本就开始采用FP8参数精度验证了🤯其训练的有效性，通过降低算力精度，使国产ASIC芯片能在成熟💯制程（12-28nm）上接近先进制程英伟达GPU的算力精度，🥳DeepSeek-V3.1使用UE8M0 FP8 Scale❤️参数精度，让软件去主动拥抱硬件更喜欢的数据格式，“软硬协同”😜的生态技术壁垒逐渐成为AI浪潮下新范式，未来国产大模型将更多😊拥抱FP8算力精度并有望成为一种新技术趋势，通过软硬件的协同😎换取数量级性能的提升，国产算力芯片将迎来变革。 责编：😉万健祎 校对：王朝全 版权声明 " Typ😁e="normal"@@--> 证券时报各平台所有原创😡内容，未经书面授权，任何单位及个人不得转载。我社保留追究相关😀行为主体法律责任的权利。 转载与合作可联系证券时报小助😉理，微信ID：SecuritiesTimes " Ty🤔pe="normal"@@-->返回搜狐，查看更多