DeepSeek-R1，正在接受全球网友真金白银的检验

　　花30秒用manim代码制作解释勾股定理的动画，一次完成无错误。

　　为了玩上这样的模型，有人花上10多万元，组7台M4 Pro Mac mini+1台M4 Max Macbook Pro的家用超算。

　　总计496G显存（64*7+48），才能跑起个4bit量化版，但属实算得上“家用AGI”配置了。

　　另一个极端是选择R1数据蒸馏版Qwen 1.5B小模型，小到浏览器就能跑，每秒能输出60个tokens。

　　与此同时，各种榜单也在抓紧测试，纷纷跑出了结果。

　　R1正横扫各大榜单。

　　首先是LiveBench，与LiveCodeBench一样，题目是随时间更新的，所以相对受认可。

　　R1的表现在o1-preview到o1之间，其中只有数据一项超过o1。

　　不过再带上成本成本约1/30这个条件看，又是不一样的感觉，给老哥整无语了。

　　唯一的抱怨是上下文窗口太短。

　　o1系列一战成名的ARC-AGI，测试结果分为公开数据和私有数据两部分。

　　DeepSeek R1在私有数据上解决了15.8%的问题，与DeepSeek-V3相比翻倍还多。

　　公开数据上更是解决了20.5%的问题，与DeepSeek-V3相比上涨约46%。

　　总的来看，DeepSeek-R1表现与o1-preview相近，但稍低。

　　但同样，带上几毛钱就能解决一道题，o1系列至少要10块钱这个背景来看，又是不一样的感觉。

　　考验任务规划能力的PlanBench，同样的剧本再次上演。

　　在开发者Xeophon自己的个人测试上，甚至超过了o1-preview。

　　同一个测试上，R1数据蒸馏的Qwen 32B，与DeepSeek-V3，GPT-4o和Gemini Flash处于同一水平。

　　最后，还有人从中看到新的创业机会。

　　谁来构建一个平台，能轻松地在DeepSeek R1上进行OpenAI风格的强化微调。

　　至少在短期内，是一个巨大的机会。

　　R1在正确数据和微调方法下，可能在特定任务上大幅提升。

参考链接：

　　[1]https://x.com/alexocheema/status/1881561143736664180

　　[2]https://x.com/reach_vb/status/1881809400995934640

　　[3]https://livebench.ai/#/[2]https://x.com/arcprize/status/1881761987090325517

　　[4]https://x.com/TheXeophon/status/1881443117787984265