創造歷史！DeepSeek登頂AppStore，開源競相復現、Meta 很焦慮

AI 社區都開始學習了。

原標題：創造歷史！DeepSeek登頂AppStore，開源競相復現、Meta 很焦慮
文章來源：Founder Park
內容字數：6266字

DeepSeek橫空出世，引發AI界震動

DeepSeek于20日發布的推理模型DeepSeek-R1，迅速在全球AI社區掀起熱潮，其iOS應用甚至超越ChatGPT官方應用登頂App Store。DeepSeek-R1被美國頂尖大學研究人員廣泛采用，其影響力之大，甚至被認為是OpenAI和英偉達都未曾預料到的“黑天鵝”。

1. R1復現熱潮席卷AI社區

DeepSeek-R1雖然開源，但訓練數據和腳本等并未完全公開。盡管如此，其技術報告仍為復現提供了指導，引發了眾多團隊參與復現的熱潮。復現過程中遇到的難題包括：訓練流程細節缺失（超參數、數據管道、獎勵模型架構等）、冷啟動數據生成細節缺乏、硬件和基礎設施信息不足，以及缺少多階段強化學習腳本等。

其中，Hugging Face的Open R1項目備受關注，計劃分三步復現R1：第一步復現R1-Distill模型；第二步復現R1-Zero的強化學習管線；第三步通過多階段訓練得到強化學習微調版模型。香港科技大學何俊賢團隊則基于7B模型和僅8K樣本，取得了令人矚目的成果，其模型在多個基準測試中表現優異。伯克利AI研究所潘家怡團隊的TinyZero項目，更是以不到30美元的成本，基于CountDown游戲成功復現了DeepSeek-R1-Zero的部分功能，并從中得出了一些有趣的結論，例如基礎模型質量的重要性以及指令模型的學習效率。

2. Meta的焦慮與應對策略

Meta內部人士爆料，DeepSeek-R1的出現讓Meta陷入恐慌，擔憂其下一代Llama模型性能無法與之匹敵。Meta已組建四個作戰室，分別針對DeepSeek的成本降低技術、訓練數據、新技術以及模型重構展開研究。Meta希望將DeepSeek的技術應用于Llama，并考慮推出一個類似DeepSeek的多模型版本，以提高效率和降低運行成本。