DeepSeek-R1：革命性的专注推理语言模型
体验突破性的 AI 技术，在数学、编程和复杂问题解决方面具有卓越的推理能力
免费网站集成
拥有网站？使用简单的 iframe 代码免费嵌入我们专注推理的对话界面。无需注册。
体验 DeepSeek-R1 的高级推理能力
你好！我是 DeepSeek-R1，一个专注于推理的高级 AI 助手。今天我能为你做些什么？
核心特性
探索 DeepSeek-R1 革命性的推理能力
高级推理
革命性的强化学习方法，实现包括自我验证和反思在内的复杂推理行为
- •自然推理发展
- •自我验证能力
- •扩展思维链
- •多步骤问题解决
数学卓越性
在数学任务中表现出色，在 AIME 2024 上达到 79.8% 的准确率，在 MATH-500 上达到 97.3%
- •复杂数学推理
- •竞赛级问题解决
- •逐步解决方案
- •证明生成
编程专长
专家级编程能力，在 Codeforces 上获得 2029 Elo 评分，超过 96.3% 的人类参与者
- •多语言支持
- •算法优化
- •代码分析
- •工程解决方案
多阶段训练
全面的训练策略，结合强化学习和监督微调
- •冷启动阶段
- •面向推理的强化学习
- •数据过滤
- •全场景优化
知识整合
在知识型测试中表现卓越，在 MMLU 上达到 90.8%，在 MMLU-Pro 上达到 84.0%
- •全面的知识库
- •跨领域理解
- •事实准确性
- •定期更新
模型蒸馏
成功将推理能力蒸馏到更小、更易访问的模型中
- •多种模型规模
- •保留核心能力
- •高效部署
- •资源优化
DeepSeek-R1 媒体报道
在 AI 推理能力领域树立新标准
数学卓越性
DeepSeek-R1 在 AIME 2024 数学竞赛问题上取得突破性的 79.8% 准确率，在 MATH-500 上达到 97.3%。
编程精通
在 Codeforces 上获得 2029 Elo 评分，DeepSeek-R1 展示了专家级的编程能力，超过 96.3% 的人类参与者。
创新训练
革命性的纯强化学习方法使复杂推理行为能够自然发展。
DeepSeek-R1 实战演示
观看 DeepSeek-R1 如何应对复杂的推理挑战
DeepSeek-R1：O(1) 性能，完全开源
观看 DeepSeek-R1 在数学、编程和复杂问题解决任务中的卓越表现。
DeepSeek-R1 性能指标
语言理解
编程与工程
数学推理
技术规格
探索 DeepSeek-R1 革命性的训练方法和能力
DeepSeek-R1 训练过程
用于自然推理发展的革命性强化学习方法
DeepSeek-R1 研究
在专注推理的语言模型领域开创先河
纯强化学习创新
革命性的方法，使用纯强化学习来发展自然推理行为，无需监督微调
多阶段训练
全面的训练策略，结合冷启动、面向推理的强化学习、数据过滤和全场景优化
关于 DeepSeek
引领专注推理的 AI 的未来
公司背景
DeepSeek 通过革命性的强化学习方法和开放协作，引领 AI 推理能力的创新。
研究基础设施
我们先进的研究基础设施推动了 AI 推理能力和模型训练方法的突破性发展。
下载 DeepSeek-R1 模型
从我们的推理专注型模型系列中选择
DeepSeek-R1 部署选项
DeepSeek-R1 模型蒸馏
获取保留推理能力的更小、更高效的模型
- 多种模型规模
- 保留推理能力
- 高效资源利用
DeepSeek-R1 云端集成
在云平台上部署，实现性能优化
- 可扩展基础设施
- 企业级集成
- 高可用性
DeepSeek-R1 本地部署
使用我们优化的推理框架在本地运行
- 灵活部署
- 资源优化
- 自定义配置
如何使用 DeepSeek-R1
通过三个简单步骤开始探索高级推理能力
选择任务
选择您想要解决的问题类型 - 从数学到编程
描述问题
向 DeepSeek-R1 清晰地解释您的问题或疑问
查看解决方案
DeepSeek-R1 将提供详细的解决方案，包含逐步推理过程
常见问题
了解更多关于 DeepSeek-R1 的信息
是什么让 DeepSeek-R1 与众不同？
DeepSeek-R1 独特之处在于其纯强化学习方法，自然地发展出包括自我验证和扩展思维链在内的复杂推理行为。
DeepSeek-R1 在数学任务中表现如何？
DeepSeek-R1 在数学领域表现卓越，在 AIME 2024 上达到 79.8% 的准确率，在 MATH-500 上达到 97.3%，展示了先进的推理能力。
DeepSeek-R1 具有哪些编程能力？
DeepSeek-R1 展示了专家级的编程技能，在 Codeforces 上获得 2029 Elo 评分，超过 96.3% 的人类参与者。
是否有 DeepSeek-R1 的小型版本？
是的，通过成功的模型蒸馏，我们提供了更小的模型，在保持 DeepSeek-R1 核心推理能力的同时提高了资源效率。
DeepSeek-R1 是如何训练的？
DeepSeek-R1 采用多阶段训练方法，从纯强化学习（DeepSeek-R1-Zero）开始，然后进行全面的微调和优化阶段。
DeepSeek-R1 能解决哪些类型的问题？
DeepSeek-R1 在复杂推理任务中表现出色，包括数学证明、竞赛编程和知识型问题，在各种基准测试中获得高分。
DeepSeek-R1 与其他模型相比如何？
DeepSeek-R1 实现了与领先模型相当的性能，在数学推理（AIME、MATH-500）和编程任务（Codeforces）方面取得了优异成果。
DeepSeek-R1 的未来发展计划是什么？
我们正专注于增强函数调用、多轮对话和复杂角色扮演方面的能力，同时提高各种任务中的强化学习效率。