【原】LLMs之DeepSeek：DeepSeek-R1的简介、安装和使用方法、案例应用之详细攻略

LLMs之DeepSeek：DeepSeek-R1的简介、安装和使用方法、案例应用之详细攻略

目录

---

相关文章

LLMs之MoE之DeepSeek-V3：DeepSeek-V3的简介、安装和使用方法、案例应用之详细攻略

LLMs之MoE之DeepSeek-V3：DeepSeek-V3的简介、安装和使用方法、案例应用之详细攻略-CSDN博客

LLMs之DeepSeek：DeepSeek-R1的简介、安装和使用方法、案例应用之详细攻略

https://yunyaniu.blog.csdn.net/article/details/145293767

DeepSeek-R1的简介

2025年1月20日，正式发布 DeepSeek-R1，并同步开源模型权重。DeepSeek-R1是 DeepSeek 推出的第一代推理模型，它包含两个主要版本：DeepSeek-R1-Zero 和 DeepSeek-R1。DeepSeek-R1-Zero 和 DeepSeek-R1 基于 DeepSeek-V3-Base 进行训练。有关模型架构的更多详细信息，请参阅DeepSeek-V3存储库。
>> DeepSeek-R1-Zero：这是一个通过大规模强化学习 (RL) 训练的模型，无需预先进行监督微调 (SFT)。它在推理方面表现出色，展现出自我验证、反思和生成长链思维 (CoT) 等能力。然而，它也存在一些问题，例如无限重复、可读性差和语言混合。
>> DeepSeek-R1：为了解决 DeepSeek-R1-Zero 的问题并进一步提升推理性能，DeepSeek-R1在 RL 训练之前加入了冷启动数据。其性能与 OpenAI-o1 在数学、代码和推理任务上相当。
● DeepSeek-R1 遵循 MIT License，允许用户通过蒸馏技术借助 R1 训练其他模型。
● DeepSeek-R1 上线 API，对用户开放思维链输出，通过设置 model='deepseek-reasoner' 即可调用。
● DeepSeek 官网与 App 即日起同步更新上线。

此外，项目还开源了 DeepSeek-R1-Zero、DeepSeek-R1，以及六个基于 Llama 和 Qwen 蒸馏出的密集模型 (DeepSeek-R1-Distill 模型)。其中，DeepSeek-R1-Distill-Qwen-32B 在多个基准测试中超越了 OpenAI-o1-mini，在密集模型中取得了新的最先进结果。

GitHub地址：GitHub - deepseek-ai/DeepSeek-R1

1、算法原理

	方法	意义
后训练阶段	后训练阶段：直接在基础模型上应用强化学习（RL），不依赖于监督式微调（SFT）作为初步步骤。这种方法使模型能够探索解决复杂问题的链式思维（CoT），从而发展出DeepSeek-R1-Zero。 提出了开发 DeepSeek-R1 的流程： >> 两个RL阶段：发现更优的推理模式并对齐人类偏好。 >> 两个SFT阶段：为模型的推理和非推理能力提供初始种子。	模型可以探索链式思考（CoT），用于解决复杂问题。 >> 开发了 DeepSeek-R1-Zero，具备自我验证、反思及生成长链式思考的能力。 >> 首次通过研究验证了大型语言模型的推理能力可以纯粹通过RL激励实现，无需SFT。 >> 为未来研究提供了突破性的方向。该流程可以帮助行业开发更优质的模型。
蒸馏	蒸馏：小模型也能发挥强大作用。 大模型的推理模式可以通过蒸馏传递到小模型中，性能优于直接在小模型上通过RL发现的推理模式。 >> 使用 DeepSeek-R1 生成的推理数据，微调了多个在研究社区中广泛使用的稠密模型。 >> 评估结果表明，蒸馏后的较小稠密模型在基准测试中表现卓越。	>> DeepSeek-R1及其API为研究社区提供了蒸馏更优秀小模型的基础。 >> 向社区开源了基于 Qwen2.5 和 Llama3 系列的以下模型检查点： - 1.5B、7B、8B、14B、32B 和 70B。

2、模型性能

README 中提供了 DeepSeek-R1在多个基准测试上的评估结果，涵盖了英语和中文的各种推理、代码和数学任务。 这些结果表明 DeepSeek-R1在这些任务上取得了与 OpenAI-o1 相当甚至更好的性能。 具体来说，它在以下基准测试中表现出色：

英语：MMLU, MMLU-Redux, MMLU-Pro, DROP, IF-Eval, GPQA-Diamond, SimpleQA, FRAMES, AlpacaEval2.0, ArenaHard

代码：LiveCodeBench, Codeforces, SWE Verified, Aider-Polyglot

数学：AIME 2024, MATH-500, CNMO 2024

中文：CLUEWSC, C-Eval, C-SimpleQA

DeepSeek-R1模型：性能对齐 OpenAI-o1 正式版

DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。

在此，我们将 DeepSeek-R1 训练技术全部公开，以期促进技术社区的充分交流与创新协作。

论文链接： DeepSeek-R1/DeepSeek_R1.pdf at main · deepseek-ai/DeepSeek-R1 · GitHub

 DeepSeek-R1-Distill模型：蒸馏小模型超越 OpenAI o1-mini

我们在开源 DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。

HuggingFace 链接： https:///deepseek-ai

3、使用建议

将温度设置为 0.5-0.7 之间（推荐 0.6），以防止无限重复或输出不连贯。

避免添加系统提示；所有指令都应包含在用户提示中。

对于数学问题，建议在提示中包含指令，例如：“将最终答案放在 \boxed{} 中”。

评估模型性能时，建议进行多次测试并平均结果。

4、开放的许可证和用户协议

为了推动和鼓励开源社区以及行业生态的发展，在发布并开源 R1 的同时，我们同步在协议授权层面也进行了如下调整：
模型开源 License 统一使用 MIT。我们曾针对大模型开源的特点，参考当前行业的通行实践，特别引入 DeepSeek License 为开源社区提供授权，但实践表明非标准的开源 License 可能反而增加了开发者的理解成本。为此，此次我们的开源仓库（包括模型权重）统一采用标准化、宽松的 MIT License，完全开源，不限制商用，无需申请。
产品协议明确可“模型蒸馏”。为了进一步促进技术的开源和共享，我们决定支持用户进行“模型蒸馏”。我们已更新线上产品的用户协议，明确允许用户利用模型输出、通过模型蒸馏等方式训练其他模型。

DeepSeek-R1的安装和使用方法

1、安装

模型下载：DeepSeek-R1 和 DeepSeek-R1-Distill 模型都可以在 Hugging Face 上下载。

DeepSeek-R1 模型

模型	#总参数	#已激活参数	上下文长度	下载
DeepSeek-R1-Zero	671B	37B	128千	🤗 HuggingFace
DeepSeek-R1	671B	37B	128千	🤗 HuggingFace

DeepSeek-R1-Zero 和 DeepSeek-R1 基于 DeepSeek-V3-Base 进行训练。有关模型架构的更多详细信息，请参阅DeepSeek-V3存储库。

DeepSeek-R1-Distill 模型

模型	基础模型	下载
DeepSeek-R1-Distill-Qwen-1.5B	Qwen2.5-数学-1.5B	🤗 HuggingFace
DeepSeek-R1-Distill-Qwen-7B	Qwen2.5-Math-7B	🤗 HuggingFace
DeepSeek-R1-Distill-Llama-8B	骆驼-3.1-8B	🤗 HuggingFace
DeepSeek-R1-Distill-Qwen-14B	Qwen2.5-14B	🤗 HuggingFace
DeepSeek-R1-Distill-Qwen-32B	Qwen2.5-32B	🤗 HuggingFace
DeepSeek-R1-Distill-Llama-70B	Llama-3.3-70B-指导	🤗 HuggingFace

DeepSeek-R1-Distill 模型基于开源模型进行了微调，使用了 DeepSeek-R1 生成的样本。我们对其配置和分词器进行了轻微更改。请使用我们的设置来运行这些模型。

2、使用方法

T1、本地运行

DeepSeek-R1 模型

有关在本地运行 DeepSeek-R1 的更多信息，请访问DeepSeek-V3 repo。

DeepSeek-R1-Distill 模型

DeepSeek-R1-Distill 模型可以以与 Qwen 或 Llama 模型相同的方式使用。使用 vLLM 和 SGLang 运行 DeepSeek-R1-Distill-Qwen-32B 模型的示例命令

vLLM

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

SGLang

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

T2、采用API

DeepSeek 提供了兼容 OpenAI 的 API，地址为 platform.。

下面的代码以 Python 语言为例，展示了如何访问思维链和最终回答，以及如何在多轮对话中进行上下文拼接

官方文档：推理模型 (deepseek-reasoner) | DeepSeek API Docs

非流式

from openai import OpenAI
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.")

# Round 1
messages = [{"role": "user", "content": "9.11 and 9.8, which is greater?"}]
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=messages
)

reasoning_content = response.choices[0].message.reasoning_content
content = response.choices[0].message.content

# Round 2
messages.append({'role': 'assistant', 'content': content})
messages.append({'role': 'user', 'content': "How many Rs are there in the word 'strawberry'?"})
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=messages
)
# ...

流式

from openai import OpenAI
client = OpenAI(api_key="<DeepSeek API Key>", base_url="https://api.")

# Round 1
messages = [{"role": "user", "content": "9.11 and 9.8, which is greater?"}]
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=messages,
    stream=True
)

reasoning_content = ""
content = ""

for chunk in response:
    if chunk.choices[0].delta.reasoning_content:
        reasoning_content += chunk.choices[0].delta.reasoning_content
    else:
        content += chunk.choices[0].delta.content

# Round 2
messages.append({"role": "assistant", "content": content})
messages.append({'role': 'user', 'content': "How many Rs are there in the word 'strawberry'?"})
response = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=messages,
    stream=True
)
# ...

T3、在线聊天

用户可以通过 DeepSeek 的官方网站 chat. 与 DeepSeek-R1 进行交互。

在线测试地址：DeepSeek

逻辑问题测试：测试“甲乙丙丁谁是小偷”——两者均回答正确，虽然OpenAI更快，但DeepSeek-R1性价超高！

逻辑问题测试：测试央视撒贝宁提出的“谁是小偷”逻辑问题

DeepSeek-R1的案例应用

持续更新中……