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)

来自中国的两家科技巨头正在巴西“大打出手”。近期，美团与滴滴😆在当地的外卖市场竞争中实施了一系列颇具针对性的商业行动。 😁 二者的市场竞争已迅速蔓延至法庭。8月14日，美团旗下国际🙌外卖品牌Keeta在巴西最大城市圣保罗对滴滴旗下的99Foo😊d提起诉讼，指控该平台违反巴西竞争法。Keeta声称99Fo❤️od动用约9亿雷亚尔（约合1.65亿美元）与餐厅签署排他性协😆议，这些协议禁止餐厅在合同期内与Keeta合作。而且，相关协😘议并未限制餐厅与巴西本土外卖龙头iFood的合作——该平台控😡制着该国约80%的市场份额。 Keeta在声明中表示：🙌“此类条款明显旨在阻挠Keeta进入巴西市场、限制竞争并抑制⭐创新。”这种“二选一”的做法标志着两家中国巨头间的紧张关系来🤗到了新的高度。滴滴旗下的99Food于上个月在巴西上线，并投😎入10亿雷亚尔开拓市场。据报道，小型餐厅可获得数十万雷亚尔的😢前期激励，大型连锁餐厅可获得的金额更是高达1300万雷亚尔。😢 此次法律冲突之前，双方曾就“关键词广告营销”对簿公堂🔥。8月，圣保罗法院对99Food发出禁令，要求其停止购买“K😴eeta”相关的谷歌关键词及操纵搜索结果。法院认定该行为误导🤯消费者并分流美团旗下应用的流量。根据判决，如果99Food不🥳遵守规定，将面临每日2万雷亚尔（约3640美元）的罚款。 👏 数日后诉讼升级。8月19日，99Food起诉Keeta，🤔声称其应用商标颜色（黄色）与99Food品牌标识过于相似。该❤️案出现多次反转，99Food先后提出又撤回投诉。最新的法院判😂决驳回了99Food的要求，给予该公司单方面撤销诉讼的选择权😍，这实质上意味着承认败诉。 在这场法庭之争的背后，巴西😂已成为中国投资的重要目标。根据巴中企业家委员会（CEBC）的😀研究，2024年中国对巴西直接投资超42亿美元，较2023年🙄翻倍增长。这一增长也反映出投资领域从传统能源项目向电动汽车、😆科技和外卖等新兴领域的多元化趋势。 巴西工业发展、创新🌟、贸易与服务部长乌亚雷斯·莫雷拉（Uallace Morei👏ra）表示：“中国企业的到来很好，他们将与巴西工业领域的其他😅公司展开竞争。我们需要这些投资来发展巴西的供应链。” 😡然而，部分在巴西的中资企业仍从中国进口零部件进行最终组装（尤🎉其在电动汽车领域），限制了当地的就业岗位增长和供应链发展。 😉 中国投资的增长也映射出地缘政治的转变。中美贸易战抑制了🥳中国的在美投资，中资企业由此加速转向巴西等发展中市场。CEB😅C研究报告主笔图利奥·卡列洛（Tulio Cariello）🎉指出，去年中国对美投资总额仅22亿美元，较往年大幅下降，而巴🎉西目前已成为中国海外投资的第三大目的地，仅次于英国和匈牙利。😢 在巴西市场，滴滴于4月5日重启了99Food，将其与🥳本地网约车和数字支付服务整合。美团紧随其后于5月12日宣布，😡计划五年内投资10亿美元支持Keeta发展。相关规划明显给i😉Food带来了巨大压力，后者随即宣布了170亿雷亚尔（31亿🤔美元）的投资计划以维持主导地位。 99Food的“二选🤯一”合同加上对战略合作餐厅的前期激励，构成了阻挠美团入场的高😴风险赌注。行业消息人士透露，已有超100家连锁餐厅接到邀约，🤩独家协议总金额约达9亿雷亚尔。 当地市场分析师表示：“👏现金激励本质上是保障市场份额的防御措施，但这也引发了巴西竞争🎉法层面的严重问题，特别是当排他性条款明显针对某个新进入者时。🤗” 展开全文 专家警告称，中企在海外这种激进的零🌟和竞争存在更广泛风险。行业观察人士也分析认为，此类做法不仅违😍反竞争法，更可能损害中国的国际品牌声誉。 摩根士丹利2👏024年全球在线外卖报告指出，全球主流外卖平台运营利润率极低❤️——平均净利润率仅2.2%。在此背景下，99Food两个月内😀耗资9亿雷亚尔封锁中国同行竞争者极不合理。报告强调：“在这种🔥低利润业务中，投资实际上无法通过正常运营收回成本。这是一场违🚀反商业逻辑与道德规范的破坏性消耗战。” 长期来看，还有❤️远比利润流失更严重的后果。有分析人士警告称，一旦被贴上“内卷😢”标签，所有出海中企都可能面临更严格的审查、更低的信任度和更⭐严峻的商业环境。巴西媒体曾多次报道中企使用排他协议，并指出滴😘滴的做法破坏了中国企业作为创新合作者的形象。此类行为可能引发😂中国海外品牌的集体声誉危机。 行业专家强调，中企在全球⭐扩张时需加强道德实践和自律。否则外界就会愈发认为中国企业的发😡展是依赖低成本、激进和排他性策略，而非创新与合作。 巴👍西外卖市场高度集中。根据巴西酒吧与餐厅协会（Abrasel）🤗和巴西小微企业支持服务局（Sebrae）的联合调查，iFoo🤗d控制着约80%的市场份额，Rappi以9%位居第二，其他所😘有参与者的总和占比还不足3%。 近年来监管机构也日益关😍注如何遏制反竞争行为。2023年，巴西经济保护行政委员会（C😉ade）禁止iFood与运营超30家门店的连锁餐厅签署独家合🤩同。这些规则旨在防止反竞争行为，确保市场公平准入，特别是对滴😁滴、美团等新进入者。 滴滴和美团均在巴西投入重金。滴滴⭐对99Food的10亿雷亚尔投资标志着其开展了快速再入局的策🚀略，而美团的Keeta则在大量资金支持下划定了多年的增长轨迹😢。来自哥伦比亚的竞争对手Rappi也在加大投资力度，承诺未来😁三年投入14亿雷亚尔。 巴西市场的潜力不仅在于消费需求🚀，还在于与物流、数字支付和云服务的潜在协同效应。分析人士认为😜，两个资金雄厚的中企入局者可以加速创新、提升效率，并通过更优🤯质的服务和促销让消费者受益。 尽管资本不断涌入，但中企🥳在巴西仍面临结构性挑战。高供应链成本、复杂得税收制度、劳动法😎规以及常常显得不透明的本地商业惯例使运营执行困难重重。例如今🤔年初，当地检察官宣称在拯救了当地工厂163名涉嫌遭受奴役（企😅业否认该指控）的工人后，起诉了中国汽车制造商比亚迪。 👏莫雷拉表示：“在巴西经商与中国截然不同，法律和监管环境更严格👏，企业需要去适应。” 美团与滴滴不断升级的纠纷凸显了进😎入新兴市场的高风险性。关于排他合同、关键词广告和品牌的法律对💯抗可能为未来的外国进入者设定先例。同时，中国的巨额投资覆盖外🥳卖、电动汽车和科技项目，也凸显了巴西作为全球资本部署枢纽日益😍增长的重要性。 对巴西消费者而言，竞争可能转化为更优价😉格、更快配送和更多创新。对企业自身而言，这是对战略规划、合规😡性和运营敏捷性的考验。 未来一段时间，观察人士预计两家👍中国巨头将在法庭和市场展开进一步对抗。随着数十亿雷亚尔的利益🤯博弈和监管审查的加强，巴西外卖行业正进入高风险、高压力的发展😊阶段。 分析人士认为，任何能够平衡激进扩张与合规性及市😀场适应性的企业都可能成为主导者。与此同时，iFood等本地“😎老牌玩家”和Rappi等“新贵”将继续捍卫市场份额，形成定义🔥巴西数字经济下一篇章的动态竞争格局。 滴滴与美团在巴西😜持续的法律和商业斗争说明了国际扩张的复杂性，尤其在高度集中和🎉受监管的市场。虽然中国投资涌入带来了增长、创新和面向消费者的😡福利承诺，但也对治理、市场道德和竞争法则形成了挑战。 🎉出海中国企业必须谨慎考虑运营战略和品牌声誉。“二选一”策略等🚀竞争风险可能削弱中国品牌的集体形象，引发更严格的审查、降低信😆任度，并导致所有的未来进入者都面临更艰难的商业环境。道德、合🙄作和理性扩张不仅是商业伦理要求，更是实现可持续的国际增长的必🤗要条件。（本文首发于巴伦中文网，作者｜馨月） 更多对全🌟球市场、跨国公司和中国经济的深度分析与独家洞察，欢迎访问返回😂搜狐，查看更多