雷峰网讯 DeepSeek-R1 又开先例，成为首个登上《N💯ature》封面的中国大模型。 2025 年春节，De😴epSeek-R1 横空出世，因其极低的训练成本引发病毒式传🚀播。八个月过去，这一成果带着 Nature 的金字招牌再次回🤗到公众视野中央，只为一件事：技术透明。 这篇名为 De😆epSeek-R1 incentivizes reasoni😡ng in LLMs through reinforceme😊nt learning 的《Nature》 封面论文由创始人🌟梁文锋担任通讯作者。文中首次确认了此前流传的DeepSeek🤗 R1 训练成本，约 29.4 万美元，折合人民币约 208😢 万，并进一步披露了模型训练中采用的数据类型、强化学习方案等🙌技术细节。 在揭开这一里程碑式大模型的面纱之外，这篇论💯文更大的意义，是 DeepSeek-R1 作为全球首个经历了❤️同行评审的大语言模型，将大模型研究推向了更透明、可重复的方向😊。 此前业内通行的做法，是科技公司在自家官网、论文预印🤔本网站 arXiv或知名技术论坛上发布突破性成果及基准测试分⭐数，大部分模型 API 随后即向公众开放。这一过程绕开了传统👍学术评价体系中的同行评审环节，而 DeepSeek 团队则主😂动接受了这一来自学术界的审视。 根据 《Nature》🌟公布的补充信息显示，评审意见主要集中在实验评估、模型安全性和👍伦理风险等方面，要求补充 OOD（分布外）测试、中间阶段性能😉分析、误用讨论等工作。正是针对上述同行评审意见，DeepSe🤔ek 团队才增加了对数据类型等训练细节的披露，并进一步证明了👍成果的安全性。 “这是一个非常值得欢迎的先例，“论文评😍审之一，Hugging Face 机器学习工程师 Lewis🚀 Tunstall 表示，”如果我们没有公开分享这一过程大部😢分内容的规范，那么将很难评估这些系统是否构成风险。“ 🤔公开训练细节，回应“蒸馏”质疑 那么在最新版本的论文中🥳， DeepSeek 团队都补充了 R1 的哪些训练细节呢？😍 首先是训练成本，此前曾震动华尔街的 29.4 万美元🙌数据终于得到证实。 据补充材料介绍， DeepSeek⭐-R1 的研究工作分为三个阶段。 第一阶段使用 A10😉0 GPU 对 30B 参数的小模型进行实验预研，因结果表现🤗良好，使团队有信心将规模扩大至 660B 参数的 R1-Ze🎉ro 和 R1。 第二阶段的成果是 DeepSeek-😁R1-Zero，研究团队动用了 512 块 H800 GPU😡，耗时约 198 小时。 最后是 DeepSeek-R😊1，仍然采用 512 块 H800 GPU 的配置，但仅用时🚀 80 小时便宣告完成。 在训练数据构成方面， Dee🎉pSeek-R1 采用了数学、编程、STEM、逻辑四大类题目🔥。 展开全文 其中数学数据集由 2.6 万道定量🥳推理题构成，涵盖数学考试和竞赛题目，模型需逐步推理并给出最终😂正确答案。 编程数据集由 1.7 万道算法竞赛题与 8😜 千道 Bug修复题构成，其中后者全部来自真实的GitHub😀 issue，数据集提供问题描述、含缺陷源码与部分失败的单元😍测试，要求模型定位并修复缺陷，使代码通过全部测试。 S😍TEM 数据集由 2.2 万道选择题构成，覆盖物理、化学、生😢物等学科，模型需选出最科学准确的答案。 逻辑数据集由真🙄实问题和合成问题共 1.5 万题构成。 此外 Deep🎉Seek 团队还引入了通用 RL 数据以提升 DeepSee😀k-R1 的有用性与无害性。在训练过程中，研究人员采用了两个🎉独立训练的奖励模型，一个针对“有用”排序数据训练，涵盖创意写👍作、编辑、事实问答等领域的 6.6万题，一个针对“无害”排序🙄数据训练，由1.2 万题构成。 特别值得一提的是，在最😜新版论文中，DeepSeek 团队正面回应了此前关于 R1 😅蒸馏 OpenAI 模型的质疑。 研究团队专门为此设计🎉了一项试验，使用 Qwen2-7B 作为基础模型时，通过大规🤩模强化学习进行训练，该模型同样可以自主发展出各种先进推理策略😴。而 Qwen2-7B 的发布时间为 2024 年 6 月，👍显然早于所有公开的推理模型。蒸无可蒸，推理能力的优化自然源于😢 DeepSeek-R1 开创的强化学习方法。 Dee😍pSeek-R1 的另一大特征是在推理过程中更频繁地使用“我😘”和“我们”等第一人称代词。值得一提的是，这种效果是通过精心😉设计的冷启动数据所实现。 论文中介绍，研究团队发现当推😡理过程符合第一人称视角的思维模式时，用户会认为其回应更直观且😘具有吸引力。为此，研究团队要求标注人员将推理轨迹转换为更自然😜、更贴近人类对话风格的表达，并以此作为示例提示大语言模型以类😜似风格重写更多。 在如此收集到的数千条 CoT 数据中😴进一步筛选出最终答案正确且格式清晰的，就得到了简洁、可读性强🙌，既包含推理步骤，也涵盖最终结果的高质量冷启动数据。 🤔双重里程碑 时隔八个月再次回顾，DeepSeek-R1😎 因何成为大模型史上里程碑式的论文？ 有一部分答案藏在👏训练成本里。DeepSeek-R1 29.4 万美元的训练成🥳本不仅只有当时同等规模模型的十分之一，而且其中仅有 1 万美😜元被用于构建 SFT 数据集。这意味和同行相比，它背后砍掉了😎大规模的监督微调。 属于人类的能力，也向人类学习，监督😡微调曾经是提升模型推理能力的共识。但它的局限性也很明显，对人😘类标注推理轨迹的依赖显著增加了模型训练成本，限制了可扩展性，😜人类的认知偏见也在向模型渗透。 更引人深思的问题是，复😴制人类思维过程真的是硅基推理的最优解吗？是否存在一种更优越的😉、非人类思维的推理方式？如果答案是肯定的，那一定在人类示例之🙌外。 正是在这样的背景下，DeepSeek-R1 提出😡了一种通过纯粹强化学习实现推理能力自我进化发展的路径，以摆脱👍对人工标注推理轨迹的依赖。 具体而言，研究团队基于 D🙄eepSeek-V3 base，并使用组相对策略优化（GRP😡O）作为强化学习框架。在全新的训练范式下，仅对最终答案的正确😴性进行奖励，而不对推理过程本身施加约束。简单来说，就是推理方💯式不限，能抓到耗子就是好猫。 这种训练方案设计和研究团🚀队的假设一脉相承：人类定义的推理模式可能会限制模型探索，而不😆受限制的强化学习训练能更好地激励 LLMs 中新型推理能力的🥳出现。 实验结果表明，DeepSeek-R1-Zero🔥 的确自然地发展出了多样化和复杂的推理行为。为解决推理问题，😁它表现出了生成更长响应的倾向，并且存在在每个响应中包含验证、🌟反思和探索替代方法的趋势。 “尽管我们没有明确地教模型😍如何推理，但它通过强化学习成功学习了改进的推理策略。”论文指👏出。 展现出强大推理能力的同时，DeepSeek-R1🌟-Zero 在可读性差和语言混杂等方面仍存在挑战。这一问题的😍根源在于 DeepSeek-V3 base 是在多种语言上完😂成训练，为此 DeepSeek-R1 的开发被提上日程。 👏 这一次，研究团队不仅通过多阶段强化学习训练改进模型在对话😴式推理过程、语言一致性以及人类偏好对齐方面的表现，而且在拒绝🌟采样和监督微调环节将推理和非推理数据集都纳入 SFT 过程，🌟这一设计使 DeepSeek-R1 不仅能在推理任务中表现出🤗色，还展示出了高级的写作能力。 基准测试结果显示，脱胎❤️于全新训练范式下的 DeepSeek-R1 在 MMLU、C🥳-eval、GPQA Diamond、Arena-Hard、🤔SWE-bench Verified、AIME 2024 上😴均表现出色。而更直接的例子，则是在 2025 年春节之后的一🌟段时间里，DeepSeek-R1 几乎成为了国产大模型的代名🤗词。 LLMs 的推理能力可以通过纯 RL 进行激励，👏无需人工标注推理轨迹的参与。这一今天已成为共识的创想，最初就👏是经由 DeepSeek-R1 所实现。DeepSeek 团😍队在此基础上构建的 RL 框架，也促进了自我反思、验证和动态😜策略适应等高级推理模式的涌现。 而今天，这一突破性成果😢经受住了学术出版审查。主动接受专家评审的拷问，补充材料说明技🚀术细节，并最终作为顶刊封面论文刊发……如果说 DeepSee🙌k-R1 的初次发布是一个关于前沿技术突破的故事，那么时隔八😉个月之后，这个故事的关键词变成了学术透明和技术开放。 😆补充各种技术细节之后，《Nature》最新这篇封面论文堪称“🤯手把手教你训 R1”。它让我们看到头部科技企业的核心成果不是😊只能封装成语焉不详的黑盒提供给用户，而是也可以拿到同行评审面😍前接受审视，以及更重要的，给出符合学术规范的解释和回应。 😅 商业化考量让 OpenAI、Google 等科技巨头纷纷😡和传统的学术审查保持距离，这本无可非议，但是当 DeepSe🤩ek-R1 真的成为了可复现、可验证的学术成果，这种对技术开🎉放性的追求无疑也让研究团队的选择更加可敬。 在双重意义🤩上，DeepSeek-R1 都堪称里程碑。 参考资料：😘 https://www.nature.com/art🙄icles/s41586-025-09422-z#ethic😅s https://www.nature.com/ar🔥ticles/d41586-025-03015-6 雷🤯峰网文章返回搜狐，查看更多

北京市:市辖区:(东城区、西城区、朝阳区、丰台区、石景山区、海淀区、门头沟区、房山区、通州区、顺义区、昌平区、大兴区、怀柔区、平谷区、密云区、延庆区)

天津市:市辖区:(和平区、河东区、河西区、南开区、河北区、红桥区、东丽区、西青区、津南区、北辰区、武清区、宝坻区、滨海新区、宁河区、静海区、蓟州区)

河北省:石家庄市:(长安区、桥西区、新华区、井陉矿区、裕华区、藁城区、鹿泉区、栾城区、井陉县、正定县、行唐县、灵寿县、高邑县、深泽县、赞皇县、无极县、平山县、元氏县、赵县、石家庄高新技术产业开发区、石家庄循环化工园区、辛集市、晋州市、新乐市)

唐山市:(路南区、路北区、古冶区、开平区、丰南区、丰润区、曹妃甸区、滦南县、乐亭县、迁西县、玉田县、河北唐山芦台经济开发区、唐山市汉沽管理区、唐山高新技术产业开发区、河北唐山海港经济开发区、遵化市、迁安市、滦州市)

秦皇岛市:(海港区、山海关区、北戴河区、抚宁区、青龙满族自治县、昌黎县、卢龙县、秦皇岛市经济技术开发区、北戴河新区)

邯郸市:(邯山区、丛台区、复兴区、峰峰矿区、肥乡区、永年区、临漳县、成安县、大名县、涉县、磁县、邱县、鸡泽县、广平县、馆陶县、魏县、曲周县、邯郸经济技术开发区、邯郸冀南新区、武安市)

邢台市:(襄都区、信都区、任泽区、南和区、临城县、内丘县、柏乡县、隆尧县、宁晋县、巨鹿县、新河县、广宗县、平乡县、威县、清河县、临西县、河北邢台经济开发区、南宫市、沙河市)

保定市:(竞秀区、莲池区、满城区、清苑区、徐水区、涞水县、阜平县、定兴县、唐县、高阳县、容城县、涞源县、望都县、安新县、易县、曲阳县、蠡县、顺平县、博野县、雄县、保定高新技术产业开发区、保定白沟新城、涿州市、定州市、安国市、高碑店市)

张家口市:(桥东区、桥西区、宣化区、下花园区、万全区、崇礼区、张北县、康保县、沽源县、尚义县、蔚县、阳原县、怀安县、怀来县、涿鹿县、赤城县、张家口经济开发区、张家口市察北管理区、张家口市塞北管理区)

承德市:(双桥区、双滦区、鹰手营子矿区、承德县、兴隆县、滦平县、隆化县、丰宁满族自治县、宽城满族自治县、围场满族蒙古族自治县、承德高新技术产业开发区、平泉市)

沧州市:(新华区、运河区、沧县、青县、东光县、海兴县、盐山县、肃宁县、南皮县、吴桥县、献县、孟村回族自治县、河北沧州经济开发区、沧州高新技术产业开发区、沧州渤海新区、泊头市、任丘市、黄骅市、河间市)

文 | 公司研究室，作者 | 宋志平 竞争是市场经济的🔥灵魂。不少人误认为，要竞争就不可能合作，市场竞争就是“你死我🤗活”的丛林法则。 其实，竞争有好坏之分，良性、有序的竞🙄争是好竞争，而恶性、无序的竞争是坏竞争。良性竞争创造价值，恶🤔性竞争毁灭价值。 2024年7月30日，中共中央政治局🤩会议指出，要强化行业自律，防止“内卷式”恶性竞争；2024年🥳12月，中央经济工作会议进一步提出，综合整治“内卷式”竞争，🔥规范地方政府和企业行为；2025年《政府工作报告》也强调了综🤗合整治“内卷式”竞争。 “内卷式”竞争通常表现为片面追😊求低价格的过度同质化竞争，不仅会导致产品价格和企业利润下降，🌟还将影响上市公司的市值，进而影响资本市场以及上证指数等，所以🤔必须综合施治，化解重点产业结构性矛盾，促进产业健康发展和升级🤯。 传统“量本利”的失效与教训 价格是企业的生命❤️线，必须认真对待。不少人认为产品价格是由市场决定的，是客观的🙄，企业只能适应。 但事实是，市场价格往往是由卖方进行恶🥳性竞争而形成的不合理的低价。在产能过剩的情况下，企业之间常大😆打价格战，结果价格大幅下降，全行业亏损，没有一个胜利者。 😘 在买方市场中，产品供大于求，市场已从供给制约转为需求制约💯。在这种形势下，企业再去增加产量，不仅不能摊薄固定成本，反而🙌会增加变动成本，致使流动资金紧张。更为严重的是，产能过剩引发❤️企业之间愈演愈烈的低价倾销和恶性竞争，极大地压缩了企业的利润👏空间，甚至导致亏损。 举个例子，卖20万辆汽车比卖10🥳万辆汽车的单位成本更低，表面上看也能获得更多的盈利。但在过剩😆经济背景下，生产10万辆汽车能卖得出去；生产20万辆汽车，就😍有10万辆卖不出去，不但没有真正降低每辆汽车的单位成本，还会🤩占用大量的流动资金。 不少企业在经济危机和过剩时期采取😀了降价放量的竞争策略。这样的策略往往使企业的经营状况雪上加霜😜，因为市场这时本来就在萎缩，企业放量销售完全是逆市场操作。理🙄智的做法是竞争各方尽量合理地减产，在降价上慎之又慎，用减产保😘价的方式渡过难关。 水泥行业的启示：限电保价 2😘011年下半年，由于电力供应紧张，再加上节能环保的需要，浙江😁、江苏等地方政府对工业企业采取了分期分批控制用电的措施，这些😡企业中也包括水泥企业。一开始，不少水泥企业跑到电力局，希望不😆要拉闸，后来大家发现拉闸限电后，水泥价格竟“因祸得福”，每吨🤔涨了100多元。虽然水泥产量少了一些，但是利润提高了许多。2🎉011年，整个水泥行业的利润竟破天荒地超过了1000亿元，这😁种增长确实得益于限电。 这件事提醒我们：过去把竞争焦点🔥放在量上，价格不停地往下降，企业赚不到钱；现在减量了，企业反😢倒赚了很多钱。可见，行业的主要矛盾是价格，不是量，而且在供大🤗于求的情况下，想放量也放不了，因为这时的水泥产品价格弹性更是😉微乎其微。 通过这一年，大家认识到，影响企业效益的是价😂格，影响价格的是供需关系，这就把逻辑讲通了。量多不赚钱，量少🙄才赚钱，要想取得可观的利润，就不能盲目地靠放量降价，而是要进⭐行产销平衡，以销定产，稳产保价。可以说，限电事件对水泥行业来🌟说既是一场市场教育，也是一场价格教育。 构建“价本利”⭐新模式 面对“量本利”的失效，我们创造性地提出一种全新🚀的盈利模式：价本利。“价本利”模式不再将企业的盈利核心立足于🥳产量的增加，而是实行“稳价、保量、降本”的六字方针。 🤩它的基本要义有两点：一是通过稳价保价手段，使价格处在合理的水😂平区间，使它不严重偏离产品的价值；二是控制一切应该控制的成本🤩。 “价本利”是从传统的“量本利”发展而来的，并不是对🎉“量本利”的否定，而是针对行业关键矛盾的转化提出的新模式。 🙄 在供大于求的背景下，“价本利”重构合理的价格体系，不是🤯围绕“增量”压价销售，而是围绕“稳价”以销定产、降本增效，维😘护区域市场供需平衡。 “价本利”追求的是稳定价格，不滥⭐用市场支配地位，让市场有序化，不漫天要价也不恶意杀价，在市场😡、客户、竞争者都能接受的情况下追求价格理性化。 （来源😂：《硬道理》，作者系中国上市公司协会会长、中国企业改革与发展🚀研究会首席专家。）返回搜狐，查看更多