deepseek-ai / DeepSeek-R1 点赞 1.44 万 关注 DeepSeek 15.4 万
使用 deepseek-ai/DeepSeek-R1 的说明：配合库、推理提供商、Notebook 与本地应用。请通过以下链接开始使用。
如何配合 Transformers 使用 deepseek-ai/DeepSeek-R1：
如何配合 vLLM 使用 deepseek-ai/DeepSeek-R1：
从 pip 安装并服务模型
使用 Docker
如何配合 SGLang 使用 deepseek-ai/DeepSeek-R1：
从 pip 安装并服务模型
使用 Docker 镜像
如何配合 Docker Model Runner 使用 deepseek-ai/DeepSeek-R1：
DeepSeek-R1
1. 引言
我们推出第一代推理模型 DeepSeek-R1-Zero 和 DeepSeek-R1。
DeepSeek-R1-Zero 是一个通过大规模强化学习（RL）训练的模型，没有把监督微调（SFT）作为前置步骤，在推理方面表现出色。
借助 RL，DeepSeek-R1-Zero 自然涌现出众多强大而有趣的推理行为。
然而，DeepSeek-R1-Zero 也面临无尽重复、可读性差和语言混杂等挑战。为解决这些问题并进一步提升推理性能，
我们推出 DeepSeek-R1，它在 RL 之前引入了冷启动数据。
DeepSeek-R1 在数学、代码和推理任务上的表现可与 OpenAI-o1 相媲美。
为支持研究社区，我们开源了 DeepSeek-R1-Zero、DeepSeek-R1，以及基于 Llama 和 Qwen 从 DeepSeek-R1 蒸馏出的六个稠密模型。DeepSeek-R1-Distill-Qwen-32B 在多项基准上超越 OpenAI-o1-mini，为稠密模型创下新的最先进结果。
注意：在本地运行 DeepSeek-R1 系列模型之前，建议先阅读使用建议部分。
2. 模型概要
后训练：在基础模型上进行大规模强化学习
我们直接将强化学习（RL）应用于基础模型，不依赖监督微调（SFT）作为前置步骤。这一方法让模型能够探索思维链（CoT）以解决复杂问题，从而发展出 DeepSeek-R1-Zero。DeepSeek-R1-Zero 展现出自我验证、反思和生成长思维链等能力，是研究社区的一个重要里程碑。值得注意的是，这是首个公开研究，验证了大语言模型的推理能力可以纯粹通过 RL 激励出来，而无需 SFT。这一突破为该领域的未来发展铺平了道路。
我们介绍开发 DeepSeek-R1 的流程。该流程包含两个 RL 阶段，旨在发现更优的推理模式并与人类偏好对齐，以及两个 SFT 阶段，作为模型推理与非推理能力的种子。
我们相信该流程将通过打造更好的模型使行业受益。
蒸馏：更小的模型也可以很强大
3. 模型下载
DeepSeek-R1 模型
| 模型 | 总参数量 | 激活参数量 | 上下文长度 | 下载 |
|---|---|---|---|---|
| DeepSeek-R1-Zero | 671B | 37B | 128K | 🤗 HuggingFace |
| DeepSeek-R1 | 671B | 37B | 128K | 🤗 HuggingFace |
DeepSeek-R1-Zero 与 DeepSeek-R1 基于 DeepSeek-V3-Base 训练。
有关模型架构的更多细节，请参阅 DeepSeek-V3 仓库。
DeepSeek-R1-Distill 模型
| 模型 | 基础模型 | 下载 |
|---|---|---|
| DeepSeek-R1-Distill-Qwen-1.5B | Qwen2.5-Math-1.5B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Qwen-7B | Qwen2.5-Math-7B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Llama-8B | Llama-3.1-8B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Qwen-14B | Qwen2.5-14B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Qwen-32B | Qwen2.5-32B | 🤗 HuggingFace |
| DeepSeek-R1-Distill-Llama-70B | Llama-3.3-70B-Instruct | 🤗 HuggingFace |
DeepSeek-R1-Distill 模型基于开源模型微调，使用的是 DeepSeek-R1 生成的样本。
我们对其配置和分词器做了轻微调整。运行这些模型时请使用我们的设置。
4. 评估结果
DeepSeek-R1 评估
对我们所有模型，最大生成长度设为 32,768 个 token。对于需要采样的基准，我们使用温度 $0.6$、top-p 值 $0.95$，并对每个查询生成 64 个回答来估计 pass@1。
| 类别 | 基准（指标） | Claude-3.5-Sonnet-1022 | GPT-4o 0513 | DeepSeek V3 | OpenAI o1-mini | OpenAI o1-1217 | DeepSeek R1 |
|---|---|---|---|---|---|---|---|
| 架构 | - | - | MoE | - | - | MoE | |
| 激活参数量 | - | - | 37B | - | - | 37B | |
| 总参数量 | - | - | 671B | - | - | 671B | |
| 英文 | MMLU (Pass@1) | 88.3 | 87.2 | 88.5 | 85.2 | 91.8 | 90.8 |
| MMLU-Redux (EM) | 88.9 | 88.0 | 89.1 | 86.7 | - | 92.9 | |
| MMLU-Pro (EM) | 78.0 | 72.6 | 75.9 | 80.3 | - | 84.0 | |
| DROP (3-shot F1) | 88.3 | 83.7 | 91.6 | 83.9 | 90.2 | 92.2 | |
| IF-Eval (Prompt Strict) | 86.5 | 84.3 | 86.1 | 84.8 | - | 83.3 | |
| GPQA-Diamond (Pass@1) | 65.0 | 49.9 | 59.1 | 60.0 | 75.7 | 71.5 | |
| SimpleQA (Correct) | 28.4 | 38.2 | 24.9 | 7.0 | 47.0 | 30.1 | |
| FRAMES (Acc.) | 72.5 | 80.5 | 73.3 | 76.9 | - | 82.5 | |
| AlpacaEval2.0 (LC-winrate) | 52.0 | 51.1 | 70.0 | 57.8 | - | 87.6 | |
| ArenaHard (GPT-4-1106) | 85.2 | 80.4 | 85.5 | 92.0 | - | 92.3 | |
| 代码 | LiveCodeBench (Pass@1-COT) | 33.8 | 34.2 | - | 53.8 | 63.4 | 65.9 |
| Codeforces (百分位) | 20.3 | 23.6 | 58.7 | 93.4 | 96.6 | 96.3 | |
| Codeforces (评分) | 717 | 759 | 1134 | 1820 | 2061 | 2029 | |
| SWE Verified (已解决) | 50.8 | 38.8 | 42.0 | 41.6 | 48.9 | 49.2 | |
| Aider-Polyglot (Acc.) | 45.3 | 16.0 | 49.6 | 32.9 | 61.7 | 53.3 | |
| 数学 | AIME 2024 (Pass@1) | 16.0 | 9.3 | 39.2 | 63.6 | 79.2 | 79.8 |
| MATH-500 (Pass@1) | 78.3 | 74.6 | 90.2 | 90.0 | 96.4 | 97.3 | |
| CNMO 2024 (Pass@1) | 13.1 | 10.8 | 43.2 | 67.6 | - | 78.8 | |
| 中文 | CLUEWSC (EM) | 85.4 | 87.9 | 90.9 | 89.9 | - | 92.8 |
| C-Eval (EM) | 76.7 | 76.0 | 86.5 | 68.9 | - | 91.8 | |
| C-SimpleQA (Correct) | 55.4 | 58.7 | 68.0 | 40.3 | - | 63.7 |
蒸馏模型评估
| 模型 | AIME 2024 pass@1 | AIME 2024 cons@64 | MATH-500 pass@1 | GPQA Diamond pass@1 | LiveCodeBench pass@1 | CodeForces 评分 |
|---|---|---|---|---|---|---|
| GPT-4o-0513 | 9.3 | 13.4 | 74.6 | 49.9 | 32.9 | 759 |
| Claude-3.5-Sonnet-1022 | 16.0 | 26.7 | 78.3 | 65.0 | 38.9 | 717 |
| o1-mini | 63.6 | 80.0 | 90.0 | 60.0 | 53.8 | 1820 |
| QwQ-32B-Preview | 44.0 | 60.0 | 90.6 | 54.5 | 41.9 | 1316 |
| DeepSeek-R1-Distill-Qwen-1.5B | 28.9 | 52.7 | 83.9 | 33.8 | 16.9 | 954 |
| DeepSeek-R1-Distill-Qwen-7B | 55.5 | 83.3 | 92.8 | 49.1 | 37.6 | 1189 |
| DeepSeek-R1-Distill-Qwen-14B | 69.7 | 80.0 | 93.9 | 59.1 | 53.1 | 1481 |
| DeepSeek-R1-Distill-Qwen-32B | 72.6 | 83.3 | 94.3 | 62.1 | 57.2 | 1691 |
| DeepSeek-R1-Distill-Llama-8B | 50.4 | 80.0 | 89.1 | 49.0 | 39.6 | 1205 |
| DeepSeek-R1-Distill-Llama-70B | 70.0 | 86.7 | 94.5 | 65.2 | 57.5 | 1633 |
5. 聊天网站与 API 平台
你可以在 DeepSeek 官网 chat.deepseek.com 与 DeepSeek-R1 对话，并打开“DeepThink”按钮。
我们还在 DeepSeek 平台提供 OpenAI 兼容 API：platform.deepseek.com
6. 如何在本地运行
DeepSeek-R1 模型
有关本地运行 DeepSeek-R1 的更多信息，请访问 DeepSeek-V3 仓库。
注意：Hugging Face 的 Transformers 尚未直接支持。