DeepSeek R1 入门：推理模型是什么、和 V3 有什么区别

AI模型1个月前发布 aisilink
56 0 0
DeepSeek R1 推理模型入门，先想后答，和 V3 有什么区别

DeepSeek R1 是国内公司深度求索（DeepSeek）在 2025 年 1 月开源的第一代推理模型。用大白话说：普通 AI 模型收到问题后直接给答案，R1 则会先在草稿纸上把题目拆开、一步步推导、自己检查有没有算错，确认之后才给出最终回答。这套「先想后答」的机制让它在数学、编程、逻辑推理这类难题上的表现远超同期的普通模型，发布时的成绩与 OpenAI 的 o1 相当。普通人想体验它不需要任何门槛——DeepSeek 官网的对话页面免费可用，打开深度思考模式就是推理模型在工作。

这篇文章讲清楚三件事：推理模型到底是什么、R1 和 DeepSeek V3 的区别在哪、现在有哪几种方式能用上它。文中的版本参数、评测数据均来自 DeepSeek 官方 GitHub 仓库。

推理模型和普通模型的区别

两类模型的差别可以用答题方式来理解。V3 这样的通用模型相当于「抢答型选手」，收到问题立即组织语言输出，速度快，日常问答、写作、翻译都够用。R1 这样的推理模型则是「草稿纸型选手」：回答前先生成一段很长的思考过程（术语叫思维链，Chain-of-Thought），在这段过程里拆解问题、逐步推导、自我验证，发现错误还会回头修正，最后才输出结论。

推理模型与普通模型回答流程对比：普通模型直接生成回答，推理模型先思考再作答

图：推理模型与普通模型的回答流程对比

代价也很直接：思考过程本身要消耗大量文字输出，所以推理模型响应更慢、算力开销更大。这决定了它的适用边界——日常聊天、写邮件、总结文档，用 V3 这类通用模型体验更好；数学推导、竞赛编程、需要多步逻辑的分析题，才值得让 R1 慢慢想。把简单问题丢给推理模型，得到的不是更好的答案，而是更长的等待。

R1 和 V3 的关系：同一副身体，不同的训练

一个容易误解的地方：R1 并不是比 V3「更大」的模型。两者参数规模完全相同——总参数 671B（6710 亿）、每次推理实际激活 37B、上下文窗口 128K，都采用混合专家（MoE）架构。R1 就是在 V3 的基座模型（V3-Base）之上，用不同的训练方法练出来的：V3 练的是「见多识广、快速应答」，R1 练的是「深度思考」。

R1 的创新集中在训练方法上。DeepSeek 先做了一个实验版本 R1-Zero：跳过监督微调（SFT），直接对基座模型做大规模强化学习（RL）。结果模型自发长出了自我验证、反思、生成长思维链这些推理行为——这是公开研究中第一次证明，不靠人工标注的示范数据、纯靠强化学习就能激发出大模型的推理能力，R1 论文（arXiv 2501.12948）也因此成为 2025 年被引用最多的 AI 论文之一。不过 R1-Zero 有明显毛病：输出容易无限重复、可读性差、中英文混杂。正式版 R1 为此加了一道「冷启动」工序，先用少量高质量数据打底，再走两轮强化学习加两轮监督微调的完整管线，把推理能力和正常表达能力都练齐了。

性能差距：数学与编程基准对比

官方评测数据把两者的差距量化得很清楚。美国数学邀请赛 AIME 2024 上，V3 的通过率是 39.2%，R1 达到 79.8%，翻了一倍还多；Codeforces 编程竞赛中 R1 拿到 96.3 百分位，意味着超过 96% 的人类参赛者，V3 只有 58.7；中文考试基准 C-Eval 上 R1 也拿下 91.8 分。这些数字与 OpenAI 当时的旗舰推理模型 o1 基本持平。

DeepSeek R1 与 V3、OpenAI o1 在数学和编程基准上的得分对比柱状图

图：R1 与 V3、OpenAI o1 的官方评测数据对比（按 DeepSeek 仓库公布数据绘制）

通用能力上两者各有胜负：指令遵循基准 IF-Eval 上 R1（83.3）反而略低于 V3（86.1），中文事实问答 C-SimpleQA 也是 V3 更高。推理模型的提升集中在深度思考类任务上，通用对话能力并没有同步变强。

六个蒸馏版：普通电脑也能跑的小号 R1

671B 的满血 R1 个人跑不动，DeepSeek 的解法是蒸馏：用 R1 生成的 80 万条推理数据去微调 Qwen2.5 和 Llama3 系列的开源小模型，让小模型学会大模型的推理套路。官方一口气放出了六个蒸馏版：基于 Qwen 的 1.5B、7B、14B、32B，以及基于 Llama 的 8B 和 70B。效果超出很多人预期——蒸馏 32B 版在多项基准上超过了 OpenAI o1-mini，AIME 通过率 72.6%。

这六个版本的选择思路：32B 是效果和硬件成本最平衡的一档，适合有一两张专业显卡的团队；7B 和 8B 量化之后一张主流游戏显卡就能带动，是个人本地体验推理模型的合理起点；1.5B 在没有独立显卡的笔记本上也能跑起来，适合纯尝鲜。14B 和 70B 介于其间，除非硬件正好卡在这两档，一般直接选 32B 或 8B。

怎么用上 R1

网页版（零门槛）：打开 chat.deepseek.com，注册后开启「深度思考」开关即可，免费且国内直接访问。需要说明的是，官网的深度思考功能已随 DeepSeek 模型迭代升级——2026 年的今天，官方 API 的现役模型是 V4 系列（deepseek-v4-flash / deepseek-v4-pro），推理能力通过 thinking 参数内置在主线模型里，不再单独挂「R1」的名字。R1 开创的「先想后答」路线已经成了行业标配，阿里的 Qwen3 采用的混合推理也是同一思路。

开源权重（自部署）：R1 全系权重开放下载，Hugging Face 上的 deepseek-ai 主页可以找到全部版本；国内访问 Hugging Face 不稳定的话，魔搭社区（ModelScope）有同步镜像，下载速度也更快。满血版的部署方法参考 DeepSeek-V3 仓库（两者架构相同），注意官方明确提示 Hugging Face 的 Transformers 库尚未直接支持满血 R1。蒸馏版就简单多了，当作普通的 Qwen 或 Llama 模型用即可，官方给了 vLLM 的启动命令：

vllm serve deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --tensor-parallel-size 2 --max-model-len 32768 --enforce-eager

用 SGLang 也可以：

python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --trust-remote-code --tp 2

官方使用建议

DeepSeek 在仓库里给出了几条容易踩坑的配置要点，自部署时值得照做：

  • 温度设在 0.5–0.7 之间，推荐 0.6。设得不对容易出现无限重复或语无伦次的输出。
  • 不要设置系统提示词（system prompt），所有指令直接写进用户消息里。
  • 数学题在提示词里加上「请逐步推理，并把最终答案写在 \boxed{} 中」，能明显提高准确率。
  • R1 系列偶尔会跳过思考直接作答（输出空的 think 标签），影响效果。官方的对策是强制模型以「<think>\n」开头生成，确保每次都完整思考。

另外，官方网页版和 App 不用系统提示词，但为文件上传和联网搜索设计了两套固定的提示词模板（仓库里有完整原文），网页版温度同样固定在 0.6——想在自己的应用里复刻官网体验，可以直接照抄这两个模板。

许可证与版本更新

R1 全系采用 MIT 许可证，代码和模型权重都允许商用、允许修改和二次开发，官方明确写了「包括拿去蒸馏训练其他模型」——这在大模型开源里是相当彻底的授权。唯一要留意的是蒸馏版继承了各自底模的许可：Qwen 系列底模是 Apache 2.0，Llama 系列底模则要遵守 Meta 的 Llama 许可条款。

版本方面，R1 在 2025 年 5 月底发布过一次重要更新 R1-0528，推理能力进一步增强，同样是 MIT 许可，Hugging Face 上与初版并列提供。此后 DeepSeek 的推理路线并入了主线模型（V3.1 起融合思考模式，再到现在的 V4 系列），R1 作为独立模型不再迭代，但它仍是理解推理模型原理、研究强化学习训练最重要的开源样本，蒸馏版也依然是本地部署推理模型的常见选择。

相关链接

© 版权声明
文章版权归作者所有，未经允许请勿转载。

相关文章

标签云