西风发自凹非寺
量子位公众号 QbitAI
DeepSeek 版 o1 来了，发布即上线，现在就能玩！
模型名为DeepSeek-R1-Lite，预览版在难度较高数学和代码任务上超越 o1-preview，大幅领先 GPT-4o 等。
据了解，DeepSeek-R1-Lite 使用强化学习训练，推理含大量反思和验证，遵循新的 Scaling Laws——
推理越长，表现更强。
如下展示，在 AIME 测试基准中，随着计算时间增加，其得分稳步提升。
值得一提的是，官方还表示，目前模型仍在开发阶段，经持续迭代，正式版 DeepSeek-R1 模型将完全开源，包括公开技术报告并提供 API。
这下网友们纷纷坐不住，已齐刷刷码住开始实测了。
网友实测在此
登录官方网页，打开深度思考按钮，就能体验 DeepSeek-R1-Lite 预览版。
每天有默认 50 次的免费使用。
下面这位小哥让模型破解如下密码：
9 2 8 5 （一个数字正确但位置错误）
1 9 3 7 （两个数字正确但位置错误）
5 2 0 1 （一个数字正确且位置正确）
6 5 0 7 （没有数字正确）
8 5 24 （两个数字正确但位置错误）
没成想 OpenAI o1-preview 在这个测试中答错了（3289），而 DeepSeek-R1-Lite-Preview 推理正确，直接给出了正确答案 3841。
还有网友来了个系统性测试，一通体验后感觉是：
数学能力：该模型在数学推理问题上看起来很有效。基准测试结果确实反映了模型在数学推理能力上的潜力。这是一个值得密切关注的模型。
编码任务：在解决编程问题时，表现稍显不足。例如，在生成用于转置矩阵的 bash 脚本这样的简单代码问题上，它未能成功解决，而 o1 模型可以轻松解决。
复杂知识理解：我还尝试了在一个更难的字谜游戏上测试它，但它表现得非常糟糕。公平地说，即使 o1 模型在这个需要现代知识引用的测试中也同样表现不佳。
这位网友最后还补充道：
我认为该模型在代码和数学任务上表现出色，这可能得益于 DeepSeek 团队在这些领域的明确优化。然而，在“推理”步骤上仍有改进空间。
在某些情况下，模型似乎能够在生成推理步骤时自我纠正，表现出类似原生“自我反思”的能力。不过，没有训练数据、模型架构和技术报告/论文的细节，很难确认这一点。
期待未来的开源模型和 API！
除此之外，也有网友在测试中发现，模型玩井字棋（tic tac toe）还是不太行。
不过，有网友反馈现在的一些新模型能够稳定地玩这个游戏，但不能在第一次尝试时就成功。
如果继续尝试，它们实际上可以画出正确的结果。
好了，感兴趣的童鞋赶紧自己实测一波吧～
参考链接：
[1]https://x.com/deepseek_ai/status/1859200141355536422
