大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“外挂”，专注于分享AI全维度知识，包括但不限于AI科普，AI工具测评，AI效率提升，AI行业洞察。关注我，AI之路不迷路，2024我们一起变强。

2024年9月12日，OpenAI的首个推理模型重磅发布。从该模型的命名也可以看出，走的路和GPT系列模型不是同一条，否则它就应该被命名为了。

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：《》。

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，模型的正确率达到了惊人的83%，作为对比，的正确率为13%。在Codeforces编程竞赛中，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，并没有太多的更新。但由于还处于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，而是DeepSeek（中文名：深度求索）的。和的宣传预热阶段不同，是已经切切实实发布了的对标的国产推理模型。

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、，以及混合专家模型（MoE）和。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，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，目前模型综合排名为22名。

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，取得了媲美的推理效果，并为用户展现了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。

目前在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，和一样，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，附上的答案。

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，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。

---

---

都读到这里了，点个赞鼓励一下吧，小手一赞，年薪百万！😊👍👍👍。关注我，AI之路不迷路，原创技术文章第一时间推送🤖。