中国DeepSeek公司宣布以MIT授权开源R1推论模型系列，该系列在数学与程序开发等相关测试中表现出色，部分领域已达到与OpenAI o1模型相当的水準。而R1模型系列的特别之处在于其以强化学习（Reinforcement Learning，RL）为核心训练方法、不需要监督微调（Supervised Fine-Tuning，SFT），突破了传统对大规模标注资料的依赖。

DeepSeek-R1系列模型其训练方法的突破，在DeepSeek-R1-Zero模型完全透过强化学习，展现出关联思考（Chain of Thought，CoT）、自我验证与反思能力等推理特性。与传统仰赖大规模标注资料的模型不同，DeepSeek证明了仅凭强化学习即可激发大型语言模型的推理能力。

只不过DeepSeek-R1-Zero模型的可读性和语言一致性仍不足，为了克服该问题并提高推理效能，DeepSeek在强化学习之前，进一步採用冷启动资料及多阶段训练策略，推出了改进版本DeepSeek-R1，成功提升了模型的整体性能。

根据DeepSeek公开的论文，DeepSeek-R1模型在多项基準测试表现突出，在数学相关的MATH-500测试，其Pass@1準确率达到97.3％；在AIME 2024数学竞赛测试中，达到79.8％的準确率，表现接近OpenAI o1模型。此外，DeepSeek-R1在Codeforces程序竞赛平台上的评分达到2029，胜过96.3％的参赛者，仅略低于OpenAI o1的96.6％，显示其在程序开发领域的应用潜力。

在开源策略上，DeepSeek释出了完整模型，还推出多个经过蒸馏处理的模型版本，参数範围从15亿至700亿不等，供不同资源需求的开发者或研究者使用。根据测试结果，蒸馏模型在AIME 2024、MATH-500与CodeForces等多项基準测试，超越像是GPT-4o与Claude-3.5-Sonnet等模型。

虽然DeepSeek-R1表现出强大的能力，但仍存在一些限制，例如模型对提示词的敏感性较高，尤其是当使用小样本提示（Few-Shot Prompting）时，模型的性能会明显下降，因此，建议用户採用零样本提示（Zero-Shot Prompting）的方式，也就是直接描述问题并明确说明输出格式，而不提供任何範例。此外，目前该模型主要针对中英双语最佳化，在处理其他语言的查询时偶尔会出现语言混用现象。

DeepSeek-R1也以deepseek-reasoner API的形式提供服务，输入部分快取命中每百万Token为0.14美元，未命中是0.55美元，输出部分则按推理内容与最终答案的总Token数计价，每百万Token收费2.19美元。与其他同等商业模型相比，DeepSeek-R1提供了极具竞争力的价格。

不过，由于DeepSeek-R1模型来自中国公司，无论API服务与开源模型皆受中国政府言论审查，企业与个人使用仍应注意其潜在的内容生成规範与风险，特别是在敏感领域的应用。