DeepSeek-R1，正在接受全球網(wǎng)友真金白銀的檢驗。

花30秒用manim代碼制作解釋勾股定理的動畫，一次完成無錯誤。

為了玩上這樣的模型，有人花上10多萬元，組7臺M4 Pro Mac mini+1臺M4 Max Macbook Pro的家用超算。

總計496G顯存（64*7+48），才能跑起個4bit量化版，但屬實算得上“家用AGI”配置了。

另一個極端是選擇R1數(shù)據(jù)蒸餾版Qwen 1.5B小模型，小到瀏覽器就能跑，每秒能輸出60個tokens。

與此同時，各種榜單也在抓緊測試，紛紛跑出了結(jié)果。

R1橫掃各大榜單

首先是LiveBench，與LiveCodeBench一樣，題目是隨時間更新的，所以相對受認(rèn)可。

R1的表現(xiàn)在o1-preview到o1之間，其中只有數(shù)據(jù)一項超過o1。

不過再帶上成本成本約1/30這個條件看，又是不一樣的感覺，給老哥整無語了。

唯一的抱怨是上下文窗口太短。

o1系列一戰(zhàn)成名的ARC-AGI，測試結(jié)果分為公開數(shù)據(jù)和私有數(shù)據(jù)兩部分。

DeepSeek R1在私有數(shù)據(jù)上解決了15.8%的問題，與DeepSeek-V3相比翻倍還多。

公開數(shù)據(jù)上更是解決了20.5%的問題，與DeepSeek-V3相比上漲約46%。

總的來看，DeepSeek-R1表現(xiàn)與o1-preview相近，但稍低。

但同樣，帶上幾毛錢就能解決一道題，o1系列至少要10塊錢這個背景來看，又是不一樣的感覺。

考驗任務(wù)規(guī)劃能力的PlanBench，同樣的劇本再次上演。

在開發(fā)者Xeophon自己的個人測試上，甚至超過了o1-preview。

同一個測試上，R1數(shù)據(jù)蒸餾的Qwen 32B，與DeepSeek-V3，GPT-4o和Gemini Flash處于同一水平。

最后，還有人從中看到新的創(chuàng)業(yè)機會。

誰來構(gòu)建一個平臺，能輕松地在DeepSeek R1上進行OpenAI風(fēng)格的強化微調(diào)。

至少在短期內(nèi)，是一個巨大的機會。

R1在正確數(shù)據(jù)和微調(diào)方法下，可能在特定任務(wù)上大幅提升。