DeepSeek memperkenalkan model penalaran generasi pertamanya, DeepSeek-R1-Zero dan DeepSeek-R1, yang mencapai kinerja comparable dengan OpenAI-o1-1217 pada tugas penalaran. DeepSeek-R1-Zero dilatih melalui pembelajaran penguatan skala besar tanpa fine-tuning terawasi, sementara DeepSeek-R1 menggunakan pipeline multi-tahap dengan data cold-start untuk meningkatkan keterbacaan.

  • DeepSeek-R1-Zero secara alami mengembangkan perilaku penalaran seperti verifikasi diri dan generasi chain-of-thought panjang melalui RL murni.
  • DeepSeek-R1 mencapai 79.8% Pass@1 pada AIME 2024, melampaui OpenAI-o1-1217, dan meraih skor 97.3% pada MATH-500.
  • Tim tersebut membuka sumber enam model padat (1.5B hingga 70B) yang didistilasi dari DeepSeek-R1 berdasarkan arsitektur Qwen dan Llama.
  • Model distilasi seperti DeepSeek-R1-Distill-Qwen-32B menetapkan rekor baru di antara model padat, mengungguli pesaing sumber terbuka sebelumnya.

Rilis ini menyediakan komunitas penelitian dengan checkpoint sumber terbuka dan API untuk memfasilitasi pengembangan lebih lanjut dari model penalaran yang lebih kecil namun kuat.