2024年9月12日，OpenAI的首个推理模型o1重磅发布。从该模型的命名也可以看出，o1走的路和GPT系列模型不是同一条，否则它就应该被命名为GPT-5了。
推理模型的推理二字，是指模型在回答问题前会主动思考，将一个复杂问题拆解为多个子问题，逐个击破，再生成最终答案。这种方式和我们人类解决难题的过程是一样的，回想如果我们面对一道数学难题，是不是也是同样的思路，先思考，然后一步步解答。这个思考过程被称为内部思维链（internal chAIn of thought）。关于思维链更详细的介绍，可以看我这篇文章：《思维链(Chain-of-Thought)技术的背后，是人类思考问题的方式！》。
o1模型经过了思维链的加持后，在物理、化学和生物学等复杂学科的高难度基准任务上，表现几乎与博士生相当。在数学和编码领域则更加出色。在国际数学奥林匹克(IMO)资格考试中，o1模型的正确率达到了惊人的83%，作为对比，GPT-4o的正确率为13%。在Codeforces编程竞赛中，o1的表现达到了第89百分位(即表现超过了89%的评估对象，排名前11%)。
在接下来的几个月里，国内的不少AI公司也在纷纷尝试，但更多的是在应用方面，如Kimi、智谱、天工和360的推理型AI搜索。单就推理模型而言，除了上周月之暗面(Kimi)官宣的数学推理模型k0-math，并没有太多的更新。但由于k0-math还处于PPT阶段，并未真正开放使用，真实体验如何还未可知。
然而，今天文章的主角并不是月之暗面的k0-math，而是DeepSeek(中文名：深度求索)的DeepSeek-R1-Lite。和k0-math的宣传预热阶段不同，DeepSeek-R1-Lite是已经切切实实发布了的对标o1的国产推理模型。
关于DeepSeek
DeepSeek由知名量化私募幻方量化于2023年成立的AI初创公司，专注于开发通用人工智能(AGI)底层模型和技术。DeepSeek的产品和技术以开源为主，包括多个百亿级参数的模型，如DeepSeek-LLM、DeepSeek-Coder，以及混合专家模型(MoE)DeepSeek-V2和V2.5.值得一提的是，该公司以高性价比和性能著称，被称为“AI界的拼多多”。比如，DeepSeek-V2的API定价为每百万Tokens输入1元、输出2元。
在LMSYS聊天机器人竞技场排名榜中，目前DeepSeek-V2.5模型综合排名为22名。
关于DeepSeek-R1-Lite
DeepSeek-R1-Lite是DeepSeek于2024年11月20日发布的推理模型，目前已经发布的为预览版(和OpenAI的o1一样)。根据DeepSeek官方介绍，R1系列模型使用强化学习训练，推理过程包含大量反思和验证，思维链长度可达数万字。该系列模型在数学、代码以及各种复杂逻辑推理任务上，取得了媲美o1-preview的推理效果，并为用户展现了o1没有公开的完整思考过程。
下面是DeepSeek官方放出的基准测试对比图。
DeepSeek-R1-Lite初体验
目前DeepSeek-R1-Lite在DeepSeek官网上免费可用，每用户每天使用数量限制为50次。在这里不得不吐槽Kimi探索版，每人每天只能用5次，我做个测试还得分几天才能测试完。
DeepSeek官网：https://chat.DeepSeek.com/
另外需要指出的是，和o1一样，DeepSeek-R1-Lite也是个纯文本模型，目前不支持解析文件。
1. 几何推理
一个圆的半径为10.在其内部随机选择两点，计算这两点之间的平均距离。
先上结果。这道需要用到积分的题目结果完全正确。
附上DeepSeek-R1-Lite长达61秒的思考过程。
2. 组合数学
一个班有12名男生和10名女生，要从中选出6人组成一个小组，要求至少有2名女生，问有多少种不同的选法?
19秒就得到了答案65769.完全正确。并且还附上了一个反向思考的验证过程，有点厉害。
3. 逻辑推理
观察以下数列，推断规律并预测下一个数字：2.6.15.31.56
这道题目，相邻数字的差值为递增的平方数4.9.16.25.所以下一个数字应该是56加36.92.回答正确。
4. 真假话推理
三个囚犯 A、B 和 C，分别戴着红帽或蓝帽(但无法看到自己的帽子)。守卫说：“至少有一个囚犯戴着红帽。” A 说：“我不知道我的帽子颜色。” B 说：“我也不知道。” C 说：“我知道了。” 问 C 的帽子是什么颜色?
总算有一道题难倒DeepSeek-R1-Lite了，回答错误。这道题其实可以简单思考，只有A蓝B蓝的情况下，C才能根据“至少有一个红帽”来断定自己的帽子颜色。所以C应该是红色。
经过检查DeepSeek-R1-Lite的思维链，我发现它把自己绕进去了，直到最后也没能绕出来，属于“过度思考”了。
作为对比，附上o1-preview的答案。
结语
在测试过程中，我还遇到了中英文思考、输出混乱的问题。但综合来看，DeepSeek-R1-Lite已经展现出了一个推理模型应有的推理能力，并且还是免费使用，值得尝试。
本文链接：http://www.jxyuhui.com/post/1801.html ,转载需注明文章链接来源：http://www.jxyuhui.com/
- 喜欢（11）
- 不喜欢（3）
