DeepSeek-R1
1. 引言
我们推出了第一代推理模型：DeepSeek-R1-Zero 和 DeepSeek-R1。 DeepSeek-R1-Zero 是一款未经监督微调（SFT）预处理，直接通过大规模强化学习（RL）训练的模型，在推理任务上展现了卓越性能。 借助强化学习，DeepSeek-R1-Zero 自然涌现出多种强大且有趣的推理行为。 然而，DeepSeek-R1-Zero 面临诸如无限重复、可读性欠佳及语言混用等挑战。为解决这些问题并进一步提升推理性能， 我们推出了在强化学习前融入冷启动数据的 DeepSeek-R1。 DeepSeek-R1 在数学、代码及推理任务上取得了与 OpenAI-o1 相当的性能。 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 蒸馏得到的六个稠密模型。其中，DeepSeek-R1-Distill-Qwen-32B 在多个基准测试中表现优于 OpenAI-o1-mini，刷新了稠密模型的性能纪录。
注意：在本地运行 DeepSeek-R1 系列模型前，建议先查阅使用建议部分。
2. 模型概述
后训练：在基础模型上进行大规模强化学习
-
我们不依赖监督微调（SFT）作为预处理步骤，而是直接在基础模型上应用强化学习（RL）。这种方法使模型能够自主探索思维链（CoT）以解决复杂问题，最终研发出 DeepSeek-R1-Zero。DeepSeek-R1-Zero 展现出自我验证、反思及生成冗长思维链等能力，为研究社区树立了重要里程碑。值得注意的是，这是首个通过开源研究验证的、无需 SFT 仅通过 RL 即可激发大语言模型（LLMs）推理能力的案例。这一突破为该领域的未来发展铺平了道路。
-
我们介绍了研发 DeepSeek-R1 的 pipeline。该 pipeline 包含两个强化学习阶段（旨在发现更优的推理模式并与人类偏好对齐）和两个监督微调阶段（作为模型推理与非推理能力的种子）。 我们相信，此 pipeline 将助力行业打造更优质的模型。
蒸馏：小模型亦可拥有强大能力
- 我们证明，大型模型的推理模式可以被蒸馏到小型模型中，其性能优于小型模型通过 RL 自主发现的推理模式。开源的 DeepSeek-R1 及其 API 将助力研究社区在未来蒸馏出更优的小型模型。
- 利用 DeepSeek-R1 生成的推理数据，我们对研究社区广泛使用的多个稠密模型进行了微调。评估结果显示，蒸馏得到的小型稠密模型在基准测试中表现优异。我们向社区开源了基于 Qwen2.5 和 Llama3 系列的 1.5B、7B、8B、14B、32B 和 70B 蒸馏 checkpoint。
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 | 下载地址 |
|---|---|---|---|---|
| DeepSeek-R1-Zero | 671B | 37B | 128K | 🤗 HuggingFace |
| DeepSeek-R1 | 671B | 37B | 128K | 🤗 HuggingFace |
DeepSeek-R1-Zero 和 DeepSeek-R1 均基于 DeepSeek-V3-Base 训练而成。 有关模型架构的更多详细信息，请参阅 DeepSeek-V3 代码库。
DeepSeek-R1-Distill 模型
| 模型 | 基础模型 | 下载地址 |
|---|---|---|
| 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 模型是以开源模型为基础，利用 DeepSeek-R1 生成的样本进行微调得到的。 我们对这些模型的配置和分词器进行了轻微调整。请使用我们提供的设置来运行这些模型。
4. 评估结果
DeepSeek-R1-Evaluation
对于我们所有的模型，最大生成长度均设置为 32,768 个 tokens。对于需要采样的基准测试，我们使用 0.6 的温度值、0.95 的 top-p 值，并为每个查询生成 64 个响应以估计 pass@1。
| 类别 | 基准测试（指标） | Claude-3.5-Sonnet-1022 | GPT-4o 0513 | DeepSeek V3 | OpenAI o1-mini | OpenAI o1-1217 | DeepSeek R1 |
|---|---|---|---|---|---|---|---|
| Architecture | - | - | MoE | - | - | MoE | |
| # Activated Params | - | - | 37B | - | - | 37B | |
| # Total Params | - | - | 671B | - | - | 671B | |
| 英语 | 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 (Percentile) | 20.3 | 23.6 | 58.7 | 93.4 | 96.6 | 96.3 | |
| Codeforces (Rating) | 717 | 759 | 1134 | 1820 | 2061 | 2029 | |
| SWE Verified (Resolved) | 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
| 模型名称 | 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
您可以在深度求索官方网站 chat.deepseek.com 与 DeepSeek-R1 进行对话，并开启“DeepThink”功能按钮。
我们同时在深度求索平台 platform.deepseek.com 提供兼容 OpenAI 的 API 服务。
6. 本地运行方法
DeepSeek-R1 模型
关于在本地运行 DeepSeek-R1 的更多信息，请访问 DeepSeek-V3 代码仓库。
注意：Hugging Face 的 Transformers 目前暂不直接支持。
DeepSeek-R1-Distill 模型
DeepSeek-R1-Distill 模型的使用方式与 Qwen 或 Llama 模型一致。
例如，您可以使用 vLLM 轻松启动服务：
vllm serve deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --tensor-parallel-size 2 --max-model-len 32768 --enforce-eager您也可以使用 SGLang 轻松启动服务。
python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --trust-remote-code --tp 2使用建议
为实现预期性能，在使用DeepSeek-R1系列模型（包括进行基准测试）时，我们建议遵循以下配置：
- 将temperature设置在0.5-0.7范围内（推荐0.6），以防止输出内容无限重复或逻辑不连贯。
- 避免添加系统提示；所有指令均应包含在用户提示中。
- 对于数学问题，建议在提示中包含类似如下指令：“请逐步推理，并将最终答案置于\boxed{}内。”
- 评估模型性能时，建议进行多次测试并取结果平均值。
此外，我们观察到DeepSeek-R1系列模型在响应某些查询时，可能会跳过思考模式（即不输出“\