2024年9月12日，OpenAI的首個(gè)推理模型 o1重磅發(fā)布。從該模型的命名也可以看出，o1走的路和GPT系列模型不是同一條，否則它就應(yīng)該被命名為GPT-5了。
推理模型的推理 二字，是指模型在回答問(wèn)題前會(huì)主動(dòng)思考 ，將一個(gè)復(fù)雜問(wèn)題拆解為多個(gè)子問(wèn)題，逐個(gè)擊破，再生成最終答案。這種方式和我們?nèi)祟?lèi)解決難題的過(guò)程是一樣的，回想如果我們面對(duì)一道數(shù)學(xué)難題，是不是也是同樣的思路，先思考，然后一步步解答。這個(gè)思考過(guò)程被稱(chēng)為內(nèi)部思維鏈（internal chain of thought） 。關(guān)于思維鏈更詳細(xì)的介紹，可以看我這篇文章：《思維鏈(Chain-of-Thought)技術(shù)的背后，是人類(lèi)思考問(wèn)題的方式！ 》。
o1模型經(jīng)過(guò)了思維鏈的加持后，在物理、化學(xué)和生物學(xué)等復(fù)雜學(xué)科的高難度基準(zhǔn)任務(wù)上，表現(xiàn)幾乎與博士生相當(dāng) 。在數(shù)學(xué) 和編碼 領(lǐng)域則更加出色。在國(guó)際數(shù)學(xué)奧林匹克 （IMO）資格考試中，o1模型的正確率達(dá)到了驚人的83 %，作為對(duì)比，GPT-4o的正確率為13 %。在Codeforces編程競(jìng)賽中，o1的表現(xiàn)達(dá)到了第89 百分位（即表現(xiàn)超過(guò)了89%的評(píng)估對(duì)象，排名前11%）。
在接下來(lái)的幾個(gè)月里，國(guó)內(nèi)的不少AI公司也在紛紛嘗試，但更多的是在應(yīng)用方面，如Kimi、智譜、天工和360的推理型AI搜索 。單就推理模型而言，除了上周月之暗面（Kimi）官宣的數(shù)學(xué)推理模型k0-math，并沒(méi)有太多的更新。但由于k0-math還處于PPT階段，并未真正開(kāi)放使用，真實(shí)體驗(yàn)如何還未可知。
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的宣傳預(yù)熱階段不同，DeepSeek-R1-Lite是已經(jīng)切切實(shí)實(shí)發(fā)布了的對(duì)標(biāo)o1的國(guó)產(chǎn)推理模型。
關(guān)于DeepSeek DeepSeek由知名量化私募幻方量化 于2023年成立的AI初創(chuàng)公司，專(zhuān)注于開(kāi)發(fā)通用人工智能（AGI）底層模型和技術(shù)。DeepSeek的產(chǎn)品和技術(shù)以開(kāi)源為主，包括多個(gè)百億級(jí)參數(shù)的模型，如DeepSeek-LLM、DeepSeek-Coder，以及混合專(zhuān)家模型（MoE）DeepSeek-V2和V2.5。值得一提的是，該公司以高性?xún)r(jià)比和性能著稱(chēng)，被稱(chēng)為“AI界的拼多多 ”。比如，DeepSeek-V2的API定價(jià)為每百萬(wàn)Tokens輸入1元、輸出2元。
在LMSYS聊天機(jī)器人競(jìng)技場(chǎng)排名榜中，目前DeepSeek-V2.5模型綜合排名為22名。
關(guān)于DeepSeek-R1-Lite DeepSeek-R1-Lite是DeepSeek于2024年11月20日發(fā)布的推理模型，目前已經(jīng)發(fā)布的為預(yù)覽版（和OpenAI的o1一樣）。根據(jù)DeepSeek官方介紹，R1系列模型使用強(qiáng)化學(xué)習(xí)訓(xùn)練，推理過(guò)程包含大量反思和驗(yàn)證，思維鏈長(zhǎng)度可達(dá)數(shù)萬(wàn)字。該系列模型在數(shù)學(xué)、代碼以及各種復(fù)雜邏輯推理任務(wù)上，取得了媲美o1-preview的推理效果，并為用戶(hù)展現(xiàn)了o1沒(méi)有公開(kāi)的完整思考過(guò)程。
下面是DeepSeek官方放出的基準(zhǔn)測(cè)試對(duì)比圖。
DeepSeek-R1-Lite初體驗(yàn) 目前DeepSeek-R1-Lite在DeepSeek官網(wǎng)上免費(fèi)可用，每用戶(hù)每天使用數(shù)量限制為50次。在這里不得不吐槽Kimi探索版，每人每天只能用5次，我做個(gè)測(cè)試還得分幾天才能測(cè)試完。
DeepSeek官網(wǎng) ：https://chat./
另外需要指出的是，和o1一樣，DeepSeek-R1-Lite也是個(gè)純文本模型，目前不支持解析文件。
1. 幾何推理 一個(gè)圓的半徑為10，在其內(nèi)部隨機(jī)選擇兩點(diǎn)，計(jì)算這兩點(diǎn)之間的平均距離。
先上結(jié)果。這道需要用到積分的題目結(jié)果完全正確 。
附上DeepSeek-R1-Lite長(zhǎng)達(dá)61秒的思考過(guò)程。
2. 組合數(shù)學(xué) 一個(gè)班有12名男生和10名女生，要從中選出6人組成一個(gè)小組，要求至少有2名女生，問(wèn)有多少種不同的選法？
19秒就得到了答案65769，完全正確 。并且還附上了一個(gè)反向思考的驗(yàn)證過(guò)程，有點(diǎn)厲害。
3. 邏輯推理 觀察以下數(shù)列，推斷規(guī)律并預(yù)測(cè)下一個(gè)數(shù)字：2，6，15，31，56
這道題目，相鄰數(shù)字的差值為遞增的平方數(shù)4，9，16，25。所以下一個(gè)數(shù)字應(yīng)該是56加36，92。回答正確 。
4. 真假話推理 三個(gè)囚犯 A、B 和 C，分別戴著紅帽或藍(lán)帽（但無(wú)法看到自己的帽子）。守衛(wèi)說(shuō)：“至少有一個(gè)囚犯戴著紅帽。” A 說(shuō)：“我不知道我的帽子顏色。” B 說(shuō)：“我也不知道。” C 說(shuō)：“我知道了。” 問(wèn) C 的帽子是什么顏色？
總算有一道題難倒DeepSeek-R1-Lite了，回答錯(cuò)誤 。這道題其實(shí)可以簡(jiǎn)單思考，只有A藍(lán)B藍(lán)的情況下，C才能根據(jù)“至少有一個(gè)紅帽”來(lái)斷定自己的帽子顏色。所以C應(yīng)該是紅色。
經(jīng)過(guò)檢查DeepSeek-R1-Lite的思維鏈，我發(fā)現(xiàn)它把自己繞進(jìn)去了，直到最后也沒(méi)能繞出來(lái)，屬于“過(guò)度思考”了。
作為對(duì)比，附上o1-preview的答案。
結(jié)語(yǔ) 在測(cè)試過(guò)程中，我還遇到了中英文思考、輸出混亂的問(wèn)題。但綜合來(lái)看，DeepSeek-R1-Lite已經(jīng)展現(xiàn)出了一個(gè)推理模型應(yīng)有的推理能力，并且還是免費(fèi)使用，值得嘗試。
