🚀 DeepSeek-R1

DeepSeek-R1 是一系列推理模型，通过大规模强化学习训练，在数学、代码和推理任务上表现出色，可与 OpenAI-o1 相媲美。项目开源了相关模型，方便研究人员使用。

🚀 快速开始

运行模型

• 查看版本：可查看 我们的模型集合 获取包括 GGUF 和原始格式的 DeepSeek-R1 版本。
• 在 llama.cpp 中运行：可参考 详细说明。
  1. 不要忘记 <ÔΩúUserÔΩú> 和 <ÔΩúAssistantÔΩú> 标记，也可使用聊天模板格式化工具。
  2. 从 https://github.com/ggerganov/llama.cpp 获取最新的 llama.cpp。
  3. Q8_0 K 量化缓存示例：-no-cnv 可禁用自动对话模式。

./llama.cpp/llama-cli \
    --model unsloth/DeepSeek-R1-Distill-Llama-70B-GGUF/DeepSeek-R1-Distill-Llama-70B-Q4_K_M.gguf \
    --cache-type-k q8_0 \
    --threads 16 \
    --prompt '<ÔΩúUserÔΩú>What is 1+1?<ÔΩúAssistantÔΩú>' \
    -no-cnv

示例输出：

<think>
Okay, so I need to figure out what 1 plus 1 is. Hmm, where do I even start? I remember from school that adding numbers is pretty basic, but I want to make sure I understand it properly.
Let me think, 1 plus 1. So, I have one item and I add another one. Maybe like a apple plus another apple. If I have one apple and someone gives me another, I now have two apples. So, 1 plus 1 should be 2. That makes sense.
Wait, but sometimes math can be tricky. Could it be something else? Like, in a different number system maybe? But I think the question is straightforward, using regular numbers, not like binary or hexadecimal or anything.
I also recall that in arithmetic, addition is combining quantities. So, if you have two quantities of 1, combining them gives you a total of 2. Yeah, that seems right.
Is there a scenario where 1 plus 1 wouldn't be 2? I can't think of any...

4. 使用 GPU 加速：如果有 24GB 的 GPU（如 RTX 4090），可将多个层卸载到 GPU 以加快处理速度。

./llama.cpp/llama-cli \
    --model unsloth/DeepSeek-R1-Distill-Llama-70B-GGUF/DeepSeek-R1-Distill-Llama-70B-Q4_K_M.gguf \
    --cache-type-k q8_0 \
    --threads 16 \
    --prompt '<ÔΩúUserÔΩú>What is 1+1?<ÔΩúAssistantÔΩú>' \
    --n-gpu-layers 20 \
    -no-cnv

免费微调

所有笔记本都对初学者友好！添加你的数据集，点击“全部运行”，你将获得一个快 2 倍的微调模型，该模型可导出为 GGUF、vLLM 格式或上传到 Hugging Face。

• Llama 3.2 对话笔记本 适用于 ShareGPT ChatML / Vicuna 模板。
• 文本完成笔记本 适用于原始文本。DPO 笔记本 可复现 Zephyr。
• * Kaggle 有 2 个 T4，但我们使用 1 个。由于开销，1 个 T4 快 5 倍。

✨ 主要特性

模型介绍

我们推出了第一代推理模型 DeepSeek-R1-Zero 和 DeepSeek-R1。DeepSeek-R1-Zero 直接在基础模型上进行大规模强化学习，无需监督微调，在推理任务中表现出色，但存在重复、可读性差和语言混合等问题。为解决这些问题并进一步提升推理性能，我们引入了 DeepSeek-R1，它在强化学习前加入了冷启动数据，在数学、代码和推理任务上的性能与 OpenAI-o1 相当。我们开源了 DeepSeek-R1-Zero、DeepSeek-R1 以及基于 Llama 和 Qwen 从 DeepSeek-R1 蒸馏得到的六个密集模型，其中 DeepSeek-R1-Distill-Qwen-32B 在多个基准测试中优于 OpenAI-o1-mini，为密集模型创造了新的最优结果。

模型训练

• 后训练：直接在基础模型上应用强化学习，无需监督微调作为初步步骤，使模型能够探索思维链来解决复杂问题，开发出 DeepSeek-R1-Zero。这是首次通过纯强化学习验证大语言模型推理能力的开放研究，为该领域的未来发展奠定了基础。
• 蒸馏：证明了可以将大模型的推理模式蒸馏到小模型中，使小模型在推理任务上表现更好。开源的 DeepSeek-R1 及其 API 将有助于研究社区未来蒸馏出更好的小模型。我们使用 DeepSeek-R1 生成的推理数据微调了几个在研究社区广泛使用的密集模型，评估结果表明，蒸馏后的小密集模型在基准测试中表现出色。

📦 安装指南

模型下载

DeepSeek-R1 模型

DeepSeek-R1-Zero 和 DeepSeek-R1 基于 DeepSeek-V3-Base 训练，更多模型架构细节请参考 DeepSeek-V3 仓库。

DeepSeek-R1-Distill 模型

DeepSeek-R1-Distill 模型基于开源模型微调，使用 DeepSeek-R1 生成的样本。我们对其配置和分词器进行了轻微修改，请使用我们的设置运行这些模型。

💻 使用示例

基础用法

可以使用 vLLM 轻松启动服务：

vllm serve deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --tensor-parallel-size 2 --max-model-len 32768 --enforce-eager

高级用法

也可以使用 SGLang 启动服务：

python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --trust-remote-code --tp 2

📚 详细文档

评估结果

DeepSeek-R1 评估

所有模型的最大生成长度设置为 32,768 个令牌。对于需要采样的基准测试，我们使用温度为 0.6、top-p 值为 0.95，并为每个查询生成 64 个响应以估计 pass@1。

蒸馏模型评估

聊天网站与 API 平台

• 聊天网站：可在 DeepSeek 官方网站 chat.deepseek.com 上与 DeepSeek-R1 聊天，并切换“DeepThink”按钮。
• API 平台：我们在 DeepSeek 平台 platform.deepseek.com 上提供与 OpenAI 兼容的 API。

本地运行

DeepSeek-R1 模型

请访问 DeepSeek-V3 仓库获取更多关于在本地运行 DeepSeek-R1 的信息。

DeepSeek-R1-Distill 模型

DeepSeek-R1-Distill 模型的使用方式与 Qwen 或 Llama 模型相同。

使用建议

我们建议在使用 DeepSeek-R1 系列模型（包括基准测试）时遵循以下配置，以达到预期性能：

1. 将温度设置在 0.5 - 0.7 范围内（建议 0.6），以防止无限重复或输出不连贯。
2. 避免添加系统提示；所有指令应包含在用户提示中。
3. 对于数学问题，建议在提示中包含指令，如：“请逐步推理，并将最终答案放在 \boxed{} 内。”
4. 评估模型性能时，建议进行多次测试并取平均值。

🔧 技术细节

模型训练

• 直接在基础模型上应用强化学习，无需监督微调作为初步步骤，使模型能够探索思维链来解决复杂问题，开发出 DeepSeek-R1-Zero。
• 引入了开发 DeepSeek-R1 的管道，包括两个强化学习阶段和两个监督微调阶段，旨在发现更好的推理模式并与人类偏好对齐。

模型蒸馏

证明了可以将大模型的推理模式蒸馏到小模型中，使小模型在推理任务上表现更好。使用 DeepSeek-R1 生成的推理数据微调了几个在研究社区广泛使用的密集模型，评估结果表明，蒸馏后的小密集模型在基准测试中表现出色。

📄 许可证

本代码仓库和模型权重遵循 MIT 许可证。DeepSeek-R1 系列支持商业使用，允许进行任何修改和衍生作品，包括但不限于蒸馏以训练其他大语言模型。请注意：

• DeepSeek-R1-Distill-Qwen-1.5B、DeepSeek-R1-Distill-Qwen-7B、DeepSeek-R1-Distill-Qwen-14B 和 DeepSeek-R1-Distill-Qwen-32B 基于 Qwen-2.5 系列，原许可证为 Apache 2.0 许可证，现在使用 DeepSeek-R1 精心策划的 800k 样本进行微调。
• DeepSeek-R1-Distill-Llama-8B 基于 Llama3.1-8B-Base，原许可证为 llama3.1 许可证。
• DeepSeek-R1-Distill-Llama-70B 基于 Llama3.3-70B-Instruct，原许可证为 llama3.3 许可证。

引用

@misc{deepseekai2025deepseekr1incentivizingreasoningcapability,
    title={DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning}, 
    author={DeepSeek-AI and Daya Guo and Dejian Yang and Haowei Zhang and Junxiao Song and Ruoyu Zhang and Runxin Xu and Qihao Zhu and Shirong Ma and Peiyi Wang and Xiao Bi and Xiaokang Zhang and Xingkai Yu and Yu Wu and Z. F. Wu and Zhibin Gou and Zhihong Shao and Zhuoshu Li and Ziyi Gao and Aixin Liu and Bing Xue and Bingxuan Wang and Bochao Wu and Bei Feng and Chengda Lu and Chenggang Zhao and Chengqi Deng and Chenyu Zhang and Chong Ruan and Damai Dai and Deli Chen and Dongjie Ji and Erhang Li and Fangyun Lin and Fucong Dai and Fuli Luo and Guangbo Hao and Guanting Chen and Guowei Li and H. Zhang and Han Bao and Hanwei Xu and Haocheng Wang and Honghui Ding and Huajian Xin and Huazuo Gao and Hui Qu and Hui Li and Jianzhong Guo and Jiashi Li and Jiawei Wang and Jingchang Chen and Jingyang Yuan and Junjie Qiu and Junlong Li and J. L. Cai and Jiaqi Ni and Jian Liang and Jin Chen and Kai Dong and Kai Hu and Kaige Gao and Kang Guan and Kexin Huang and Kuai Yu and Lean Wang and Lecong Zhang and Liang Zhao and Litong Wang and Liyue Zhang and Lei Xu and Leyi Xia and Mingchuan Zhang and Minghua Zhang and Minghui Tang and Meng Li and Miaojun Wang and Mingming Li and Ning Tian and Panpan Huang and Peng Zhang and Qiancheng Wang and Qinyu Chen and Qiushi Du and Ruiqi Ge and Ruisong Zhang and Ruizhe Pan and Runji Wang and R. J. Chen and R. L. Jin and Ruyi Chen and Shanghao Lu and Shangyan Zhou and Shanhuang Chen and Shengfeng Ye and Shiyu Wang and Shuiping Yu and Shunfeng Zhou and Shuting Pan and S. S. Li and Shuang Zhou and Shaoqing Wu and Shengfeng Ye and Tao Yun and Tian Pei and Tianyu Sun and T. Wang and Wangding Zeng and Wanjia Zhao and Wen Liu and Wenfeng Liang and Wenjun Gao and Wenqin Yu and Wentao Zhang and W. L. Xiao and Wei An and Xiaodong Liu and Xiaohan Wang and Xiaokang Chen and Xiaotao Nie and Xin Cheng and Xin Liu and Xin Xie and Xingchao Liu and Xinyu Yang and Xinyuan Li and Xuecheng Su and Xuheng Lin and X. Q. Li and Xiangyue Jin and Xiaojin Shen and Xiaosha Chen and Xiaowen Sun and Xiaoxiang Wang and Xinnan Song and Xinyi Zhou and Xianzu Wang and Xinxia Shan and Y. K. Li and Y. Q. Wang and Y. X. Wei and Yang Zhang and Yanhong Xu and Yao Li and Yao Zhao and Yaofeng Sun and Yaohui Wang and Yi Yu and Yichao Zhang and Yifan Shi and Yiliang Xiong and Ying He and Yishi Piao and Yisong Wang and Yixuan Tan and Yiyang Ma and Yiyuan Liu and Yongqiang Guo and Yuan Ou and Yuduan Wang and Yue Gong and Yuheng Zou and Yujia He and Yunfan Xiong and Yuxiang Luo and Yuxiang You and Yuxuan Liu and Yuyang Zhou and Y. X. Zhu and Yanhong Xu and Yanping Huang and Yaohui Li and Yi Zheng and Yuchen Zhu and Yunxian Ma and Ying Tang and Yukun Zha and Yuting Yan and Z. Z. Ren and Zehui Ren and Zhangli Sha and Zhe Fu and Zhean Xu and Zhenda Xie and Zhengyan Zhang and Zhewen Hao and Zhicheng Ma and Zhigang Yan and Zhiyu Wu and Zihui Gu and Zijia Zhu and Zijun Liu and Zilin Li and Ziwei Xie and Ziyang Song and Zizheng Pan and Zhen Huang and Zhipeng Xu and Zhongyu Zhang and Zhen Zhang},
    year={2025},
    eprint={2501.12948},
    archivePrefix={arXiv},
    primaryClass={cs.CL},
    url={https://arxiv.org/abs/2501.12948}, 
}

联系我们

如果您有任何问题，请提出问题或通过 service@deepseek.com 联系我们。

特别感谢

非常感谢 DeepSeek 团队创建并发布这些模型。