OpenAI 怎么也没想到，o3 还在画饼阶段，中国一夜之间就冒出来两个能和 o1 打对台的模型。

1 月 20 日，月之暗面正式推出多模态思考模型 Kimi k1.5，并首次公开该模型的训练技术报告。

Kimi k1.5 在 short-CoT（短链思考）方面达到领先水平，在其他多个测试中也大幅超越 GPT-4 和 Claude Sonnet 3.5。在 Long-CoT（长链思考）方面，该模型在多个领域的表现也与 o1 持平。

同一天，DeepSeek 也正式开源 R1 推理模型，并发布技术报告。R1 在多个基准测试中也与 o1 持平，并且成本只有 o1 的三十分之一。

随着 R1 模型的开源，英伟达科学家 Jim Fan 称："我们生活在这样一个时代：由非美国公司保持 OpenAI 最初的使命——做真正开放的前沿研究、为所有人赋能。" Perplexity CEO Aravind Srinivas 表更是直言：" DeepSeek 才配叫做 OpenAI。"

不过，R1 依然面临着开源模型 V3 一样的毛病。有网友向他提问"谁训练你的"时，它回答道："我是被 OpenAI 开发的"。

DeepSeek、Kimi 新模型发布"撞车"，硬刚 OpenAI

北京时间 1 月 20 日，月之暗面发布了多模态思考模型 Kimi k1.5。

在 short-CoT 模式下，Kimi k1.5 的数学、代码、视觉多模态和通用能力大幅超越了 GPT-4o 和 Claude 3.5 Sonnet，领先幅度高达 550%。在 Long-CoT 模式下，Kimi k1.5 的数学、代码、多模态推理能力达到了 OpenAI o1 正式版的水平。

月之暗面表示，这应该是全球范围内，有 OpenAI 之外的公司首次实现 o1 正式版的多模态推理性能。

图片来源：X

同一天，DeepSeek 也正式开源 R1 推理模型，允许所有人在遵循 MIT License（注：被广泛使用的一种软件许可条款）的情况下，蒸馏 R1 训练其他模型。

在数学、代码和自然语言推理等任务上，R1 的性能比肩 o1 正式版。同时根据 DeepSeek 公布的测试数据，R1 在美国 AIME 2024、MATH-500 和 SWE-bench Verified 测试中的比分均高于 o1。AIME 2024 和 MATH-500 测试专注于数学能力，SWE-bench Verified 则用于评估 AI 模型解决现实世界软件问题的能力。

图片来源：X

更重要的是，R1 的价格只有 o1 的约三十分之一，百万 token 输出只需 16 元人民币，相较而言，o1 的百万 token 输出需要 60 美元（约合人民币 436 元）。

图片来源：DeepSeek 官网

另外，R1 的参数量较低，开发人员可以用相对较低的成本在本地运行模型。Exo Lab 创始人 Alex Cheema 在家使用 7 个 MacMini 串联一个 MacBook 成功运行起了 R1 模型。他感叹道：" AGI（通用人工智能）到家了。"

图片来源：X

英伟达科学家等大佬：DeepSeek 才配叫 OpenAI

R1 的技术文档发布后，英伟达高级研究科学家 Jim Fan 第一时间对论文进行研究，之后发出了这样的感慨："我们生活在这样一个时代：由非美国公司保持 OpenAI 最初的使命——做真正开放的前沿研究、为所有人赋能。"

他补充道：" DeepSeek-R1 不仅开源了大量模型，还泄露了所有训练秘密。他们可能是第一个显示 RL（强化学习）飞轮发挥主要作用、持续增长的 OSS 项目。（对 AI 研究的）影响不仅可以通过‘内部实现了 ASI ’或‘草莓计划’等神话名称来实现，也可以通过简单地转储原始算法和 matplotlib 学习曲线来产生影响。"

Jim Fan 的每一句话都在戳喜欢搞神秘，卖期货的 OpenAI 的肺管子。

图片来源：X

实际上，业界有这种看法的人还不少。Abacus ai 的 CEO Bindu Reddy 评价道："这是开源 AGI 的胜利，一家来自中国的小型初创公司击败了所有人"。

UC Berkeley 教授 Alex Dimakis 也认为，DeepSeek 现在已经处于领先位置，美国公司可能需要迎头赶上了。

Perplexity CEO Aravind Srinivas 表更是直言：" DeepSeek 才配叫做 OpenAI。"

图片来源：X

除了对 OpenAI 的讽刺之外，Jim Fan 还深入解读了 R1 模型的创新之处。

他表示，R1 模型纯粹由 RL 驱动，完全没有 SFT（"冷启动"）。这让人想起 AlphaZero ——从头开始掌握围棋、将棋和国际象棋，而无需先模仿人类大师级的动作。

而且，R1 使用由硬编码规则计算的真值奖励，避免使用任何 RL 容易攻击的学习奖励模型。随着训练的进行，模型的思考时间稳步增加。Jim Fan 强调，这不是预先编程好的，而是一种模型自主的突发特性，并且模型也出现了自我反省和探索行为。

DeepSeek 还使用了一种名为 GRPO（组相对策略优化）的新优化方法，有效减少了内存使用。GRPO 由 DeepSeek 于 2024 年 2 月发明。这也是为什么家用设备也能完整运行 R1 的原因。

基于此，有网友指出，鉴于 Deepseek 仍在使用 GRPO 等 GPU 性能较差的方法，可以推断出，该公司可能没有很多功能强大的 Hopper GPU。这意味着，算力训练成本也是极低的。

有网友评价，这是 AI 的"顿悟时刻"：" R1-Zero（注：R1 是 R1-Zero 调整后的模型）证明模型可以自我开发推理策略。举个例子：当遇到问题时，它学会了回溯并质疑其最初的假设——这是一种从未明确编程的行为。"这代表着 DeepSeek 的新模型已经能够具有像人类一样的自主学习能力了。

知名 AI 评测员 Matthew Berman 表示，R1 拥有他所见过的最像人类的内心独白。

图片来源：X

然而，R1 依然面临着开源模型 V3 一样的毛病。有网友向他提问谁训练你的时，它回答道："我是被 OpenAI 开发的"。

图片来源：X