DeepSeek版o1炸场，数学代码超越OpenAI，每天免费玩50次，后续将开源
新Scaling Laws是真的，计算时间越长，表现越强
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～
官网：https://chat.deepseek.com/
参考链接：
[1]https://x.com/deepseek_ai/status/1859200141355536422
[2]https://x.com/_philschmid/status/1859203470059811298
[3]https://x.com/omarsar0/status/1859373413439066590
- o3来了！编程能力跻身人类全球前200，破解陶哲轩说难的数学测试，北大校友任泓宇现身直播间2024-12-21
- AI已经在直播间狂刷KPI了2024-12-20
- AI风暴席卷达摩院青橙奖，六成获奖者用AI搞科研，平均年龄34岁2024-12-20
- Kimi版o1实装上线，这里是我们的一手测试↑2024-12-16
相关阅读
上海AI实验室版o1已上线！数学题、Leetcode全拿下，还会玩24点
上海 AI 实验室推出强推理模型书生 InternThinker，该模型能快速解决更复杂的数学解题、代码编程、数字游戏等任务，具备长思维能力且能在推理过程中自我反思和纠正。
