2024年9月12日，OpenAI的首個推理模型o1重磅發布。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，是指模型在回答問題前會主動思考，將一個復雜問題拆解為多個子問題，逐個擊破，再生成最終答案。這種方式和我們人類解決難題的過程是一樣的，回想如果我們面對一道數學難題，是不是也是同樣的思路，先思考，然后一步步解答。這個思考過程被稱為內部思維鏈（internal chain of thought）。關于思維鏈更詳細的介紹，可以看我這篇文章：《思維鏈(Chain-of-Thought)技術的背后，是人類思考問題的方式！》。
o1模型經過了思維鏈的加持后，在物理、化學和生物學等復雜學科的高難度基準任務上，表現幾乎與博士生相當。在數學和編碼領域則更加出色。在國際數學奧林匹克（IMO）資格考試中，o1模型的正確率達到了驚人的83%，作為對比，GPT-4o的正確率為13%。在Codeforces編程競賽中，o1的表現達到了第89百分位（即表現超過了89%的評估對象，排名前11%）。
在接下來的幾個月里，國內的不少AI公司也在紛紛嘗試，但更多的是在應用方面，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）官宣的數學推理模型k0-math，并沒有太多的更新。但由于k0-math還處于PPT階段，并未真正開放使用，真實體驗如何還未可知。
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的宣傳預熱階段不同，DeepSeek-R1-Lite是已經切切實實發布了的對標o1的國產推理模型。
DeepSeek由知名量化私募幻方量化于2023年成立的AI初創公司，專注于開發通用人工智能（AGI）底層模型和技術。DeepSeek的產品和技術以開源為主，包括多個百億級參數的模型，如DeepSeek-LLM、DeepSeek-Coder，以及混合專家模型（MoE）DeepSeek-V2和V2.5。值得一提的是，該公司以高性價比和性能著稱，被稱為“AI界的拼多多”。比如，DeepSeek-V2的API定價為每百萬Tokens輸入1元、輸出2元。
在LMSYS聊天機器人競技場排名榜中，目前DeepSeek-V2.5模型綜合排名為22名。
DeepSeek-R1-Lite是DeepSeek于2024年11月20日發布的推理模型，目前已經發布的為預覽版（和OpenAI的o1一樣）。根據DeepSeek官方介紹，R1系列模型使用強化學習訓練，推理過程包含大量反思和驗證，思維鏈長度可達數萬字。該系列模型在數學、代碼以及各種復雜邏輯推理任務上，取得了媲美o1-preview的推理效果，并為用戶展現了o1沒有公開的完整思考過程。
下面是DeepSeek官方放出的基準測試對比圖。
目前DeepSeek-R1-Lite在DeepSeek官網上免費可用，每用戶每天使用數量限制為50次。在這里不得不吐槽Kimi探索版，每人每天只能用5次，我做個測試還得分幾天才能測試完。
DeepSeek官網：https://chat.deepseek.com/
另外需要指出的是，和o1一樣，DeepSeek-R1-Lite也是個純文本模型，目前不支持解析文件。
一個圓的半徑為10，在其內部隨機選擇兩點，計算這兩點之間的平均距離。
先上結果。這道需要用到積分的題目結果完全正確。
附上DeepSeek-R1-Lite長達61秒的思考過程。
一個班有12名男生和10名女生，要從中選出6人組成一個小組，要求至少有2名女生，問有多少種不同的選法？
19秒就得到了答案65769，完全正確。并且還附上了一個反向思考的驗證過程，有點厲害。
觀察以下數列，推斷規律并預測下一個數字：2，6，15，31，56
這道題目，相鄰數字的差值為遞增的平方數4，9，16，25。所以下一個數字應該是56加36，92。回答正確。
三個囚犯 A、B 和 C，分別戴著紅帽或藍帽（但無法看到自己的帽子）。守衛說：“至少有一個囚犯戴著紅帽。” A 說：“我不知道我的帽子顏色。” B 說：“我也不知道。” C 說：“我知道了。” 問 C 的帽子是什么顏色？
總算有一道題難倒DeepSeek-R1-Lite了，回答錯誤。這道題其實可以簡單思考，只有A藍B藍的情況下，C才能根據“至少有一個紅帽”來斷定自己的帽子顏色。所以C應該是紅色。
經過檢查DeepSeek-R1-Lite的思維鏈，我發現它把自己繞進去了，直到最后也沒能繞出來，屬于“過度思考”了。
作為對比，附上o1-preview的答案。
在測試過程中，我還遇到了中英文思考、輸出混亂的問題。但綜合來看，DeepSeek-R1-Lite已經展現出了一個推理模型應有的推理能力，并且還是免費使用，值得嘗試。
