DeepSeek presenta sus modelos de razonamiento de primera generación, DeepSeek-R1-Zero y DeepSeek-R1, que logran un rendimiento comparable al de OpenAI-o1-1217 en tareas de razonamiento. DeepSeek-R1-Zero se entrena mediante aprendizaje por refuerzo a gran escala sin ajuste fino supervisado, mientras que DeepSeek-R1 utiliza una canalización multietapa con datos de inicio en frío para mejorar la legibilidad.

  • DeepSeek-R1-Zero desarrolla naturalmente comportamientos de razonamiento como la autoverificación y la generación de cadenas largas de pensamiento mediante RL puro.
  • DeepSeek-R1 alcanza un 79,8 % de Pass@1 en AIME 2024, superando a OpenAI-o1-1217, y obtiene un 97,3 % en MATH-500.
  • El equipo abre el código fuente de seis modelos densos (de 1,5B a 70B) destilados a partir de DeepSeek-R1 basados en las arquitecturas Qwen y Llama.
  • Modelos destilados como DeepSeek-R1-Distill-Qwen-32B establecen nuevos récords entre los modelos densos, superando a competidores anteriores de código abierto.

El lanzamiento proporciona a la comunidad investigadora puntos de control de código abierto y una API para facilitar el desarrollo posterior de modelos de razonamiento más pequeños y potentes.