2024 年的大部分时间里，最好的"会思考"的 AI 模型都锁在少数几家美国公司拥有的接口（API）背后。你按 token 付费，只看到最终答案，却完全不知道模型是怎么得出来的。然后，一家规模相对较小的中国实验室发布了一个会把思考过程大声说出来的模型，并把权重交到了每个人手里。那次发布就是 DeepSeek-R1，而这个故事里安静的部分并不在跑分上，而在于当一个前沿推理模型变成你可以下载、微调、无需许可就能上线部署的东西时，会发生什么。
深度求索（DeepSeek）是一家总部位于杭州的实验室，此前已凭借 V3 基座模型引人注目。2025 年 1 月 20 日，它在 MIT 许可证下发布 R1，并同时公开了完整的技术报告。其意义是结构性的，而非仅技术性的：在 R1 之前，强链思维（chain-of-thought）推理被视为由封闭接口（API）守护的专有能力；R1 把它做成了开源权重，任何人都能运行、研究，或在其之上构建产品。实验室发布的不是一篇论文，而是这件"制品"本身。标准聊天模型直接给出答案，R1 却在最终回答前先生成一段可见的思维链，这正是"推理模型"标签在实务中的含义。实验室用围绕强化学习的多阶段流程训练它：配套模型 R1-Zero 只用纯强化学习、没有监督冷启动来训练，用以展示推理行为可以仅靠强化学习涌现；后继版本加入了冷启动与精炼阶段，让暴露出来的推理更可读。其架构是建立在 V3 基座上的混合专家（MoE）设计，总参数 6710 亿，其中每个 token 约 370 亿被激活，并继承了 128K 的上下文窗口；因为每个 token 只激活一小部分参数，它得以用低于同等规模稠密模型的推理成本提供前沿级质量。
R1 以 MIT 许可证发布，允许商业使用、微调和蒸馏而无需单独协议；深度求索（DeepSeek）还更新了产品条款，明确允许用模型输出做蒸馏，开发者据此可以用 R1 的推理轨迹训练更小的模型。旗舰之外，实验室发布了六个蒸馏出的小模型，包括 32B 与 70B 版本，定位可与 OpenAI 的 o1-mini 相提并论——这意味着推理级行为可以在比 671B 原版便宜得多的硬件上运行。在自家模型卡上，R1 报告的分数包括：AIME 2024（数学竞赛季）79.8%、MATH-500 为 97.3%、GPQA Diamond（研究生级科学）71.5%；这些被定位为与 OpenAI 的 o1 持平，并在部分数学与代码测试上领先。独立追踪机构如 Epoch AI 将 R1 列为 2025 年 1 月 20 日发布的开源权重，在推理与代码评测上表现强劲。发布时实验室的接口（API）定价约为每百万输入 token 0.55 美元（缓存未命中）、每百万输出 token 2.19 美元，缓存输入为每百万 0.14 美元——仅为当时同类封闭推理接口（API）的一小部分，这也是它迅速传播的部分原因。按约 7.2 元人民币兑 1 美元的汇率折算，这约合每百万输入 token 4 元人民币、每百万输出 token 15.8 元人民币、缓存输入每百万约 1 元人民币。R1 没有凭空出现：它成为一波衍生模型、蒸馏检查点和本地部署的锚点，对许多不在大云厂商之内的开发者来说，这是推理模型第一次让人觉得是"可以拥有"而非"租用"的。开源权重的框架对信任同样重要——研究者可以检查权重、复现结果，并把模型适配到受监管或离线的环境，而封闭接口（API）在这些地方根本不是选项。
关键要点
- R1 是第一个达到 o1 级跑分、且广泛可用的开源权重推理模型。
- 它以宽松的 MIT 许可证发布，允许商业使用与蒸馏。
- 671B 的 MoE 设计每个 token 仅激活约 37B 参数，相对同等规模稠密模型降低了推理成本。
- 六个蒸馏模型把推理质量带到了 32B 与 70B 尺寸，可在普通硬件上运行。
诚实的局限
R1 体积大且啰嗦。完整的 671B 模型需要多卡 GPU 服务器；社区的量化版本用质量换取显存。它的推理轨迹长且慢，对延迟敏感的场景不利。跑分数字大多来自实验室自家模型卡，真实表现随任务而异。原厂第一方的接口（API）别名此后已被重映射到更新的模型，所以生产环境里的"R1"未必指 2025 年 1 月的权重。请把社区托管的权重当作持久制品，并核实你实际拉取的是哪个检查点。
普通人现在能做什么
- 本地运行：拉取一个量化后的 R1 蒸馏版（32B 或 70B），在付费封闭接口（API）之前，先在自己文档上测试思维链推理。
- 在权重之上构建：用 MIT 许可证把 R1 或其蒸馏版微调到某个领域任务，当你需要"拥有"而非"租用"模型时。
- 承诺前先比较：在你的真实工作负载上把 R1 与付费推理接口（API）做基准对比；开源选项往往"够用就好"，成本却低得多。