當(dāng)硅谷仍在為GPU萬卡集群豪擲千億資金時,，來自杭州的一群年輕人用557.6萬美元證明：AI大模型的比拼或許并不只靠規(guī)模，而是要看使用效率,。只要技術(shù)實力足夠強，一款上架不足半個月的App也能擊敗ChatGPT，在1月27日登頂蘋果應(yīng)用商店排行榜,。這幾天,，AI圈最火的大語言模型,，不是ChatGPT,，不是文心一言,，甚至不是國內(nèi)“AI六小虎”中的任意一個，而是杭州AI公司深度求索所推出的DeepSeek,。從去年12月26日發(fā)布的DeepSeek-V3，到1月20日發(fā)布的DeepSeek-R1,，這家公司以O(shè)penAI三十分之一的API價格,，實現(xiàn)了在多項測試中表現(xiàn)持平甚至超越OpenAI的o1模型（下稱o1模型）的成績，給美國AI行業(yè)人士帶來了中國大模型“花小錢辦大事”的沖擊,。新京報貝殼財經(jīng)記者對此進行了實測,，經(jīng)過同題問答發(fā)現(xiàn)，DeepSeek-R1的“深度思考”模式以步步推理的方式生成了具有邏輯性的回答,，用戶還能看到思考過程,?！斑@種驚喜和第一次用ChatGPT3.5差不多，甚至感覺更震撼,。ChatGPT寫套路性很強的應(yīng)用文很好用,，但一旦涉及高語境，調(diào)侃,，諷刺,，就有濃濃的AI味，沒有幽默感,。DeepSeek對高語境內(nèi)容和中文網(wǎng)絡(luò)上的梗都能理解明白,，內(nèi)容基本達到了脫口秀文本的水平?！?月27日,，IT從業(yè)者劉鴻博告訴貝殼財經(jīng)記者。低成本比肩OpenAI o1模型 硅谷“燒錢模式”遭質(zhì)疑“你能想象一個籌集了10億美元的‘前沿’實驗室,，現(xiàn)在卻因為比不過DeepSeek而無法發(fā)布最新的模型嗎,？”DeepSeek-R1面世后的第二天，知名文生圖大模型Stable Diffusion創(chuàng)始人Emad就對硅谷同行們發(fā)出了這樣的“靈魂拷問”,。過去幾天,，面對“橫空出世”的DeepSeek，不止一名美國AI從業(yè)者開始在社交平臺抒發(fā)自己內(nèi)心深處受到的震撼,。OpenAI等美國大模型公司一直通過性能領(lǐng)先筑起自己的“護城河”,，以此抵御低價競爭者，但面對一款成本僅為“零頭”但性能同樣優(yōu)秀的大模型,，許多人發(fā)現(xiàn)這一敘事已經(jīng)無法阻止用戶“用腳投票”,。北京時間1月27日，DeepSeek在蘋果App Store美國區(qū)免費應(yīng)用下載榜上超越ChatGPT,，排名第一,，在中國區(qū)排行榜上同樣登頂。此外,，DeepSeek在App Store英國區(qū)免費應(yīng)用下載榜的排名升至第二,，僅次于ChatGPT，而該App在1月15日才剛剛發(fā)布,。DeepSeek的出圈如同“TikTok難民”涌入小紅書一樣,，先由國外用戶發(fā)起。不少用戶在社交平臺曬出了自己使用DeepSeek的心得,，認為這個應(yīng)用“非?？帷薄８鶕?jù)DeepSeek官方公布的性能測試，該大模型在數(shù)學(xué)測試,、編程等多個領(lǐng)域與o1模型表現(xiàn)“旗鼓相當(dāng)”,，其中MATH-500（評估大模型數(shù)學(xué)能力）、SWE-bench Verified（評估大模型的軟件工程能力）,、美國數(shù)學(xué)邀請賽的測試分數(shù)還超過了o1模型,。新京報貝殼財經(jīng)記者測試發(fā)現(xiàn)，對于普通的問答問題,，DeepSeek的表現(xiàn)同樣可圈可點,，尤其是自帶的“深度思考”模式可以讓用戶清晰了解到其思考過程。DeepSeek-R1模型技術(shù)報告 來源：DeepSeek官網(wǎng)除此之外,，DeepSeek的訓(xùn)練成本還更低,，根據(jù)其公布的技術(shù)文檔，DeepSeek-V3模型的訓(xùn)練成本為557.6萬美元,，訓(xùn)練使用的是算力受到限制的英偉達H800 GPU集群,。相比之下，同樣是開源模型的Meta旗下Llama3.1 405B模型的訓(xùn)練成本超過6000萬美元,，而OpenAI的GPT-4o模型的訓(xùn)練成本為1億美元,，且使用的是性能更加優(yōu)異的英偉達H100 GPU集群。DeepSeek技術(shù)文檔截圖 來源：DeepSeek官網(wǎng)雖然DeepSeek-R1模型的訓(xùn)練成本并未公開,，但從其API價格上也可以感受到“便宜”二字,，它的定價甚至連OpenAI定價的零頭都不到。DeepSeek-R1的API服務(wù)定價為每百萬輸入tokens1元（緩存命中）/ 4元（緩存未命中）,，每百萬輸出tokens16元,，而o1模型上述三項服務(wù)的定價分別為55元、110元,、438元,。事實上，價格便宜早在這次“出圈”前就是DeepSeek的標簽,。去年年中,，國內(nèi)AI大模型大打“價格戰(zhàn)”時，第一個“挑起戰(zhàn)火”的正是DeepSeek發(fā)布的第二代MoE大模型,，但由于彼時DeepSeek并不屬于“AI六小虎”之一,，其降價聲勢很快被緊跟其后宣布降價的阿里云、百度,、科大訊飛等大廠蓋過?，F(xiàn)在，“小透明”不再低調(diào),，因為除了價格優(yōu)勢外,，其還有足以比肩o1的性能,。1月27日,，社交平臺認證為“AI投資機構(gòu)Menlo Ventures負責(zé)人”的Deedy對比谷歌Gemini和DeepSeek-R1后表示,，DeepSeek-R1更便宜、上下文更長,、推理性能更佳,。這可能帶來更加深遠的影響，一位Meta工程師稱其內(nèi)部因DeepSeek進入“恐慌模式”,，Scale AI創(chuàng)始人Alexander Wang評價DeepSeek是“中國科技界帶給美國的苦澀教訓(xùn)”,，證明“低成本、高效率”的研發(fā)模式可能顛覆硅谷巨頭的高投入路徑,。社交平臺認證為“風(fēng)險投資人”的ShortBear評論稱,，“DeepSeek的興起對那些商業(yè)模式為銷售大量GPU（英偉達）或購買大量GPU（OpenAI、微軟,、谷歌）的公司都形成了挑戰(zhàn),。”截至北京時間1月27日下午2:54分,，英偉達夜盤大跌7.17%,。而前一個交易日（上周五1月24日）收盤下跌3.12%，報收142.62美元/股,，市值蒸發(fā)超千億美元,。實測用DeepSeek搜信息、寫段子 用戶可看到大模型思考過程 那么,，在C端的實際應(yīng)用上,，DeepSeek是否真的那么神奇？1月26日至27日,，新京報貝殼財經(jīng)記者進行了實測,。在聯(lián)網(wǎng)搜索功能方面，記者向DeepSeek的APP應(yīng)用輸入提示詞“幫我整理本周內(nèi)AI行業(yè)發(fā)生的大事,，并列出一個事件表”,，DeepSeek很快搜索到了48個網(wǎng)頁并開始通過深度思考模式“自言自語”，包括“本周應(yīng)該是2025年1月20日到26日”,、“網(wǎng)頁9是2024年,，應(yīng)該排除”、“需要整合這些信息,，排除重復(fù)”,、“星門計劃在網(wǎng)頁5和6都有提及，日期是1月24日,？需要確認”等,。最終，DeepSeek輸出了一個從1月20日至26日的事件表。記者對比發(fā)現(xiàn),，雖然生成的內(nèi)容依然會受到抓取網(wǎng)頁內(nèi)容錯誤的影響,，但在思考過程中，DeepSeek通過對照沖突的網(wǎng)頁內(nèi)容排除掉了一些“錯誤答案”,，且思考過程清晰可見,，包括哪兩個事件的時間需要確定，哪個事件需要仔細核對等,。相比之下,，另外一些大模型甚至將2024年的結(jié)果列入了回答之中。貝殼財經(jīng)記者向DeepSeek提問時,，DeepSeek的思考過程,。 來源：DeepSeek App截圖日常使用AI進行工作，還擁有自己形象數(shù)字人的愷一告訴貝殼財經(jīng)記者,，她在與DeepSeek的對話中發(fā)現(xiàn),，該大模型工具對生辰八字、奇門遁甲等中國古代文化“樣樣在行”,，更關(guān)鍵的是它展現(xiàn)了思考問題的過程,，從該過程來看可以感受到“非常專業(yè)”。事實上,，DeepSeek在回答生成過程中展現(xiàn)出的思考過程給不少用戶帶來了震撼,，認為該思考過程甚至比答案還有價值。貝殼財經(jīng)記者直接咨詢DeepSeek“為什么你的性能如此優(yōu)秀,，給我一個理由”時,，DeepSeek的思考過程可謂“滴水不漏”，它首先拆分了問題,，將“性能優(yōu)秀”拆分為響應(yīng)速度,、處理復(fù)雜問題能力、多語言支持等多方面,，還頗有情商地考慮到了“用戶可能希望了解技術(shù)細節(jié),，但又不想過于專業(yè)化的解釋，要考慮用戶背景是不是技術(shù)人員”“在回答結(jié)構(gòu)上要首先感謝用戶的認可”,，另外它還考慮到了“要遵守隱私和安全規(guī)范,，不泄露內(nèi)部技術(shù)細節(jié)”。貝殼財經(jīng)記者向DeepSeek提問時,，DeepSeek的思考過程,。 來源：DeepSeek App截圖多名采訪對象告訴貝殼財經(jīng)記者，DeepSeek對一些問題的回復(fù)質(zhì)量超過了o1模型,，記者通過測試發(fā)現(xiàn),，DeepSeek確實熟悉中外互聯(lián)網(wǎng)上的各種“?！薄鹨槐硎?，當(dāng)前市面上有不少結(jié)合付費場景的App,，其內(nèi)在原理就是把AI大模型嵌入軟件中，再進行微調(diào),。DeepSeek出現(xiàn)后，由于其開源性質(zhì),，這些產(chǎn)品的發(fā)展空間應(yīng)該會更大,。大模型自發(fā)“頓悟” DeepSeek創(chuàng)新AI訓(xùn)練模式為什么DeepSeek能夠以較低的價格訓(xùn)練出性能比肩o1的大模型？根據(jù)其公布的技術(shù)文檔,，DeepSeek-R1-Zero通過單純的強化學(xué)習(xí)（RL）訓(xùn)練實現(xiàn)推理能力,，無需監(jiān)督微調(diào)（SFT），打破了傳統(tǒng)依賴預(yù)設(shè)思維鏈的范式,。據(jù)了解,，以往模型需要花費大量精力在監(jiān)督微調(diào)上，即使用大量已標注數(shù)據(jù)對AI模型進行進一步訓(xùn)練,，這些數(shù)據(jù)包含了問題,、對應(yīng)“標準答案”、思考步驟范例,，大模型正是靠著這些模仿人類思維的方式,，才得以提升推理能力。這一路徑讓AI大模型越來越聰明的同時,，也帶來了另一個問題：如果大模型足夠“聰明”,，可能產(chǎn)生獎勵欺騙問題，即利用獎勵函數(shù)中的漏洞和模糊性來獲取高獎勵,，好像一個作弊技術(shù)越來越高超的考生,，卻未能真正完成預(yù)期任務(wù)。而DeepSeek摒棄了監(jiān)督微調(diào),，單純依靠準確性獎勵訓(xùn)練模型,，且獎勵規(guī)則極其簡單。直接讓模型生成答案,，然后打分,，再根據(jù)高分邏輯更新模型。由于省去了監(jiān)督微調(diào)中復(fù)雜的獎懲模式,，計算資源的需求得以大幅減少,。事實證明，這一條路真的讓模型學(xué)會了思考乃至“頓悟”,。DeepSeek在技術(shù)文檔中透露,，在DeepSeek-R1-Zero的訓(xùn)練過程中,，觀察到了一個特別引人注目的現(xiàn)象——“頓悟時刻”。這一現(xiàn)象發(fā)生在模型的某個中間版本中,，在這一階段,，DeepSeek-R1-Zero學(xué)會了通過重新評估其初步方法來為問題分配更多的思考時間。這種行為不僅證明了模型推理能力的增強,，而且也是強化學(xué)習(xí)能夠帶來意外收獲的最好例子,。具體來看，在處理一個復(fù)雜的數(shù)學(xué)問題時,，模型突然停下來說"Wait, wait. Wait. That’s an aha moment I can flag here"（等等,、等等、等等,，這是個值得我記錄的‘啊哈’時刻）,，隨后重新審視了整個解題過程。DeepSeek技術(shù)文檔截圖,，圖中紅字為大模型自發(fā)的感慨：“等等,、等等、等等,，這是一個值得我記錄的時刻”,。來源：DeepSeek官網(wǎng)DeepSeek在技術(shù)文檔中表示，這一刻不僅對模型來說是“頓悟時刻”,，對觀察其行為的研究人員來說也是如此,。它強調(diào)了強化學(xué)習(xí)的力量和魅力：我們不必明確教導(dǎo)模型如何解決問題，只需為其提供正確的激勵,，它就會自主地開發(fā)出高級的問題解決策略,。“頓悟時刻”有力地提醒了我們,，強化學(xué)習(xí)具有解鎖人工智能系統(tǒng)中新層次智能的潛力,，為未來更自主和自適應(yīng)的模型鋪平道路。不少硅谷研究人員認為,，這一“頓悟”時刻對AI發(fā)展意義重大,，如社交平臺認證為“GEAR Lab聯(lián)合創(chuàng)始人、OpenAI第一名實習(xí)生”的Jim Fan表示,，DeepSeek-R1避免使用任何容易破解的學(xué)習(xí)獎勵模型,。這使得模型產(chǎn)生了自我反思與探索行為的涌現(xiàn)。此外,，DeepSeek還是一款開源大模型,，DeepSeek方面表示，“為了進一步促進技術(shù)的開源和共享,，我們決定允許用戶利用模型輸出,、通過模型蒸餾等方式訓(xùn)練其他模型,。”這意味著所有人都可以通過下載和微調(diào)該大模型從中獲益,。國外的開發(fā)者論壇上甚至有人發(fā)起了“將DeepSeek模型裝進個人電腦”的挑戰(zhàn),。值得注意的是，DeepSeek團隊由清華大學(xué),、北京大學(xué)應(yīng)屆生和實習(xí)生主導(dǎo),，平均年齡不足26歲。一些關(guān)于模型的技術(shù)革新如MLA（多頭潛在注意力）架構(gòu)的靈感源自一名博士生的“突發(fā)奇想”,，而GRPO強化學(xué)習(xí)算法的突破則由3名實習(xí)生完成,。創(chuàng)始人梁文鋒在2023年5月剛剛宣布進場大模型領(lǐng)域時曾在接受媒體采訪稱，“招聘看能力,，而不是看經(jīng)驗。我們的核心技術(shù)崗位,，基本以應(yīng)屆和畢業(yè)一兩年的人為主,。”“不做前置崗位分工,，而是自然分工,，每個人可以隨時調(diào)用訓(xùn)練集群，只要幾個人都有興趣就可以開始一個項目,?！边@種“自下而上”的創(chuàng)新文化，與OpenAI早期如出一轍,?！拔覀冋幵谝粋€時間線上，一家非美國公司正在延續(xù)OpenAI的原始使命——真正開放,、前沿的研究,，賦能所有人?！盝im Fan表示,。面壁智能首席科學(xué)家劉知遠在朋友圈發(fā)文稱，“DeepSeek最近出圈,，特別好地證明了我們的競爭優(yōu)勢所在,，就是通過有限資源的極致高效利用，實現(xiàn)以少勝多,。2024年很多人來問我,，中國跟美國的AI差距是擴大了還是縮小了，我說明顯縮小了,，但能感受到大部分人還不太信服,，現(xiàn)在DeepSeek等用實例讓大家看到了這點,，非常贊?！薄癆GI新技術(shù)還在加速演進,，未來發(fā)展路徑還不明確。我們?nèi)栽谧汾s的階段,，已經(jīng)不是望塵莫及,，但也只能說尚可望其項背，在別人已經(jīng)探索出的路上跟隨快跑還是相對容易的,。接下來我們要獨立面對一團未來迷霧,，如何先人一步探出新路，是更加困難和挑戰(zhàn)的事,，需要我們更加百倍投入,、百倍努力?！眲⒅h說,。記者聯(lián)系郵箱：[email protected]新京報貝殼財經(jīng)記者 羅亦丹 編輯 王進雨 校對 柳寶慶