deepseek r1 做的确实是 1-10，但确实很有价值。Chatgpt o1 做的是 0-1.

现在的推理模型主要就是 o1 和 r1。 deepseek 火并不是因为降低成本。降低成本是 12 月发的 V3 模型，那时候没火起来。火起来的是这次的 r1 推理模型，确实有了创新，发现了一种新的训练推理能力的配方，去掉了中间的SFT，直接用RL训练推理能力，效果出奇的好。因为这个发现，首先在国外的 reddit 和 X 上火热的讨论起来，然后传播到国内学术媒体，进而抖音一些人开始推送。因为效果确实不错，也就破圈了。
--
FROM 111.193.88.*