原贴链接

DeepSeek R1的完整技术报告已在GitHub上公开：[https://github.com/deepseek-ai/DeepSeek - R1](https://github.com/deepseek-ai/DeepSeek - R1)。还有一张图片链接：

image

讨论总结

该讨论围绕DeepSeek R1的发布展开。参与者从不同角度对DeepSeek R1进行探讨，包括模型性能、成本差异、运行情况、与其他模型的比较等，既有对其表示赞赏肯定的，也有提出疑问和希望进一步测试的，整体氛围以技术交流探讨为主。

主要观点

  1. 👍 DeepSeek R1的32b模型令人印象深刻
    • 支持理由：iamnotthatreal称最印象深刻的是32b模型，有其他人表示认同
    • 反对声音：无
  2. 🔥 质疑DeepSeek模型基准测试与实际编码性能的关系
    • 正方观点：cobalt1137听到不同说法所以提出质疑
    • 反方观点：有使用经验者分享认为其性能不错
  3. 💡 认为DeepSeek V3是优秀的开源编码模型，可与顶级闭源模型相媲美
    • 支持理由：tengo_harambe表示用Deepseek V3构建应用时表现令人印象深刻
    • 反对声音：无
  4. 💡 推理模型在编码方面表现优秀
    • 支持理由：有人认为o1 - mini就很惊人且被低估了，推理模型表现不错
    • 反对声音：无
  5. 💡 对DeepSeek R1的性能表示肯定，认为接近o1水平
    • 支持理由：有评论简洁地表达了赞赏，肯定其性能接近o1
    • 反对声音：无

金句与有趣评论

  1. “😂 iamnotthatreal: what impresses me the most is the 32b model.”
    • 亮点：直接点明32b模型令人印象深刻，是后续相关讨论的起始点
  2. “🤔 Wild benchmarks. So sick.”
    • 亮点：表达对DeepSeek模型基准测试数据的惊叹
  3. “👀 I’ve built some apps with Deepseek V3. It’s extremely impressive, indisputably the best open source coding model that even rivals SOTA closed models.”
    • 亮点：强调了DeepSeek V3在构建应用时的优秀表现

情感分析

总体情感倾向是积极正面的，主要分歧点在于对DeepSeek模型基准测试与实际编码性能关系的看法，可能是由于不同人使用场景和测试标准不同导致的。

趋势与预测

  • 新兴话题：关于DeepSeek R1在不同软件（如aider）中的使用方法可能会引发更多讨论。
  • 潜在影响：如果DeepSeek R1在性能和应用方面表现优异，可能会对人工智能领域的相关技术发展和应用产生推动作用。

详细内容：

《DeepSeek R1 正式发布，引发 Reddit 热烈讨论》

近日，DeepSeek R1 正式发布的消息在 Reddit 上引起了广泛关注。该帖子https://github.com/deepseek-ai/DeepSeek-R1不仅提供了相关链接，还包含了技术报告等丰富内容。此帖获得了众多点赞和大量评论，大家围绕 DeepSeek R1 的性能、与其他模型的比较等方面展开了热烈讨论。

讨论焦点与观点分析： 有人认为 DeepSeek R1 的 32b 模型令人印象深刻。有人分享说自己用 DeepSeek V3 构建过一些应用，觉得它非常出色，甚至认为如果 32B 参数的 R1 能在消费级硬件上运行，将是革命性的。还有人从自身经验出发，指出 DeepSeek V3 比 Soonet 3.5 好，但比 o1 差。有人表示 DeepSeek 在特定语言或环境中的表现优于 Sonnet，也有人觉得它们总体智能水平相当。有人询问 V3 和 R1 的成本差异，有人则测试了本地模型，但还未取得理想结果。关于 DeepSeek R1 在 4090 上的运行情况，有人认为表现不错，能达到 40t/s。对于如何使用它，有人提供了相关的命令和链接。

比如，有用户分享道：“我用 DeepSeek V3 构建过一些应用，它极其出色，无可争议是最好的开源编码模型，甚至能与最先进的封闭模型相媲美。”还有用户说：“从我的经验来看，DeepSeek V3 比 Soonet 3.5 好，但不如 o1。但从测试来看，R1 32b 远远领先于 DeepSeek V3。”

讨论中的共识在于大家普遍对 DeepSeek R1 的性能表现充满期待，希望通过更多的测试和实际应用来验证其优势。特别有见地的观点是有人认为不同模型在不同语言和环境中的表现各有优劣，需要根据具体需求来选择。

总之，Reddit 上关于 DeepSeek R1 的讨论丰富多样，既有对其性能的期待，也有实际测试中的反馈和思考。相信随着更多人的使用和测试，对 DeepSeek R1 的认识会更加深入和全面。