DeepSeek-R1发布 性能对标OpenAI o1正式版

今天圈内最炸裂的消息，莫过于 DeepSeek-R1 的正式发布。如果说 2024 年是大模型推理能力竞赛的元年，那 DeepSeek 这次交出的答卷，无疑是国内最接近 OpenAI o1 正式版水准的成果。先说几个关键信息点：完整开源模型权重、API 开放思维链输出、许可协议大调整，甚至在蒸馏小模型上直接对标了 o1-mini。

这次发布的核心不只是技术指标的对比，更是一次对开源生态的诚意释放。以往模型开源往往留一手，但 DeepSeek 把 660B 参数的 R1 和 R1-Zero 全部放出，且遵循 MIT License。这个动作意味着什么？意味着你不仅可以直接商用，还可以基于 R1 的输出蒸馏训练自己的模型。在行业普遍收索开源范围的当下，这种开放姿态相当稀缺。

性能对齐 OpenAI o1 正式版

DeepSeek-R1 的后训练策略很有意思。他们在仅有极少标注数据的情况下，大规模引入强化学习，把模型的推理能力推到了新高度。数学、代码、自然语言推理这些硬核任务上，实测结果与 OpenAI o1 正式版不相上下。这也从侧面印证了强化学习在推理链条生成中的巨大潜力——不是单纯堆数据量，而是优化推理路径本身。

更厚道的是，R1 的完整训练技术细节全部公开。技术社区可以直接参考这份论文，尝试复现或改进。这种透明度对于推动行业进步至关重要——毕竟闭门造车永远比不上众人拾柴。

蒸馏小模型超越 OpenAI o1-mini

除了 660B 的大模型，DeepSeek 还利用 R1 的输出蒸馏了 6 个小模型。其中 32B 和 70B 的版本在多项能力上直接对标 o1-mini。要知道，o1-mini 本身就是针对轻量级推理优化的模型，而 DeepSeek 借助蒸馏技术，让小模型也获得了不弱的推理能力。这对于资源有限的开发者和中小企业来说，无疑是个好消息——不需要昂贵的硬件也能跑出接近顶尖的效果。

开放的许可证和用户协议

这一发布措施在开源社区中的反响最为积极。他们果断放弃了之前自定义的 DeepSeek License，统一改用 MIT。实践已经证明，非标准的开源许可反而增加了开发者的理解成本和合规风险。标准化的 MIT 意味着：完全开源、不限制商用、无需申请，任何人都可以放心使用。

更值得关注的是用户协议的调整。明确允许用户利用模型输出进行“模型蒸馏”，从而训练其他模型。这一条直接回应了社区长期以来的需求——此前很多开源模型协议上含糊其辞，导致蒸馏行为处于灰色地带。现在书面化、清晰化，对于生态建设是实质性利好。

App 与网页端

用户体验层面的调整也很直接。登录官网或官方 App，打开“深度思考”模式，即可调用最新版 R1。对于日常用户来说，不需要理解技术细节，只要一个按钮就能体验顶尖推理能力。

API 及定价

定价方面同样务实：每百万输入 tokens 缓存命中仅 1 元，未命中 4 元；每百万输出 tokens 16 元。对比同期同类模型的定价，这个价格在大模型推理领域相当有竞争力，尤其是缓存命中的价格几乎可以用“低廉”来形容。对于高频调用的商业场景，成本优势会非常突出。

总体来看，DeepSeek-R1 这次发布是“模型和协议双双放开”的操作，在国内大模型行业中确实罕见。性能对标、开源彻底、协议宽松，这三者的组合在行业里目前没有第二家。至于后续生态如何发展，蒸馏小模型能否真正普及，值得持续观察。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：DeepSeek-R1发布 性能对标OpenAI o1正式版要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题