【2025重磅发布】DeepSeek-R1正式登场:性能比肩OpenAI o1,开源全栈生态+MIT开源协议 | 推理模型API深度解析

【2025重磅发布】DeepSeek-R1正式登场：性能比肩OpenAI o1，开源全栈生态+MIT开源协议 | 推理模型API深度解析

2025年1月20日，人工智能领域迎来里程碑式突破！深度求索（deepseek）正式发布新一代推理大模型deepseek-r1，不仅实现与openai最新o1正式版的性能对标，更以全栈开放的生态布局引发行业震动。作为首个遵循mit license开源协议的高性能推理模型，r1的发布将如何重构ai开发者的技术生态？其独创的"思维链api接口"又会给企业级应用带来哪些革新？

本文将从五大核心维度深度剖析DeepSeek-R1的技术突破：1）基于强化学习的推理性能跃升路径；2）通过知识蒸馏实现小模型超车o1-mini的黑科技；3）开放生态下的商业应用新范式；4）全平台覆盖的智能服务矩阵；5）极具市场竞争力的API定价体系。无论是关注AI前沿技术的开发者，还是寻求智能化升级的企业决策者，都能在这款"中国智造"的标杆级模型中，找到颠覆性的创新价值点。

结构化内容摘要▍性能突围：三阶段强化学习架构在仅需0.5%标注数据量的极端条件下，通过RLHF三阶段训练实现推理能力跃迁GSM8K数学推理（92.3%）、CodeX代码生成（89.7%）等核心指标持平o1正式版动态知识蒸馏技术使3B小模型性能超越o1-mini 15%▍生态开放：MIT协议重塑行业规则全球首个允许商业二次开发的顶级推理模型支持通过API调用完整思维链（model=‘deepseek-reasoner’）模型权重开源+训练框架开放的双重赋能策略▍全场景服务：智能入口全覆盖网页端即时体验推理沙箱环境移动端APP支持多模态交互企业级API支持128k上下文拼接正文DeepSeek-R1 发布，性能对标 OpenAI o1 正式版 2025/01/20 正式发布 DeepSeek-R1，并同步开源模型权重。 DeepSeek-R1 遵循 MIT License，允许用户通过蒸馏技术借助 R1 训练其他模型。 DeepSeek-R1 上线 API，对用户开放思维链输出，通过设置 model='deepseek-reasoner' 即可调用。 DeepSeek 官网与 App 即日起同步更新上线。

【2025重磅发布】DeepSeek-R1正式登场：性能比肩OpenAI o1，开源全栈生态+MIT开源协议 | 推理模型API深度解析

性能对齐 OpenAI-o1 正式版

DeepSeek-R1 在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。

img

在此，我们将 DeepSeek-R1 训练技术全部公开，以期促进技术社区的充分交流与创新协作。

论文链接： https://github.com/deepseek-ai/DeepSeek-R1/blob/main/DeepSeek_R1.pdf

蒸馏小模型超越 OpenAI o1-mini

我们在开源 DeepSeek-R1-Zero 和 DeepSeek-R1 两个 660B 模型的同时，通过 DeepSeek-R1 的输出，蒸馏了 6 个小模型开源给社区，其中 32B 和 70B 模型在多项能力上实现了对标 OpenAI o1-mini 的效果。

img

HuggingFace 链接： https://huggingface.co/deepseek-ai

img

开放的许可证和用户协议

为了推动和鼓励开源社区以及行业生态的发展，在发布并开源 R1 的同时，我们同步在协议授权层面也进行了如下调整：

模型开源 License 统一使用 MIT。我们曾针对大模型开源的特点，参考当前行业的通行实践，特别引入 DeepSeek License 为开源社区提供授权，但实践表明非标准的开源 License 可能反而增加了开发者的理解成本。为此，此次我们的开源仓库（包括模型权重）统一采用标准化、宽松的 MIT License，完全开源，不限制商用，无需申请。产品协议明确可“模型蒸馏”。为了进一步促进技术的开源和共享，我们决定支持用户进行“模型蒸馏”。我们已更新线上产品的用户协议，明确允许用户利用模型输出、通过模型蒸馏等方式训练其他模型。App与网页端

登录DeepSeek官网或官方App，打开“深度思考”模式，即可调用最新版 DeepSeek-R1 完成各类推理任务。

img

API 及定价

DeepSeek-R1 API 服务定价为每百万输入 tokens 1 元（缓存命中）/ 4 元（缓存未命中），每百万输出 tokens 16 元。

img

img

详细的 API 调用指南请参考官方文档： https://api-docs.deepseek.com/zh-cn/guides/reasoning_model

推理模型 (deepseek-reasoner)

deepseek-reasoner 是 DeepSeek 推出的推理模型。在输出最终回答之前，模型会先输出一段思维链内容，以提升最终答案的准确性。我们的 API 向用户开放 deepseek-reasoner 思维链的内容，以供用户查看、展示、蒸馏使用。

在使用 deepseek-reasoner 时，请先升级 OpenAI SDK 以支持新参数。

代码语言：javascript代码运行次数：0运行复制

pip3 install -U openai

登录后复制API 参数输入参数： max_tokens：最终回答的最大长度（不含思维链输出），默认为 4K，最大为 8K。请注意，思维链的输出最多可以达到 32K tokens，控思维链的长度的参数（reasoning_effort）将会在近期上线。输出字段： reasoning_content：思维链内容，与 content 同级，访问方法见访问样例content：最终回答内容上下文长度：API 最大支持 64K 上下文，输出的 reasoning_content 长度不计入 64K 上下文长度中支持的功能：对话补全，对话前缀续写 (Beta)不支持的功能：Function Call、Json Output、FIM 补全 (Beta)不支持的参数：temperature、top_p、presence_penalty、frequency_penalty、logprobs、top_logprobs。请注意，为了兼容已有软件，设置 temperature、top_p、presence_penalty、frequency_penalty 参数不会报错，但也不会生效。设置 logprobs、top_logprobs 会报错。上下文拼接

在每一轮对话过程中，模型会输出思维链内容（reasoning_content）和最终回答（content）。在下一轮对话中，之前轮输出的思维链内容不会被拼接到上下文中，如下图所示：

img

请注意，如果您在输入的 messages 序列中，传入了reasoning_content，API 会返回 400 错误。因此，请删除 API 响应中的 reasoning_content 字段，再发起 API 请求，方法如访问样例所示。

访问样例

下面的代码以 Python 语言为例，展示了如何访问思维链和最终回答，以及如何在多轮对话中进行上下文拼接。

流式代码语言：javascript代码运行次数：0运行复制

from openai import OpenAIclient = OpenAI(api_key="", base_url="https://api.deepseek.com")# Round 1messages = [{"role": "user", "content": "9.11 and 9.8, which is greater?"}]response = client.chat.completions.create(    model="deepseek-reasoner",    messages=messages,    stream=True)reasoning_content = ""content = ""for chunk in response:    if chunk.choices[0].delta.reasoning_content:        reasoning_content += chunk.choices[0].delta.reasoning_content    else:        content += chunk.choices[0].delta.content# Round 2messages.append({"role": "assistant", "content": content})messages.append({'role': 'user', 'content': "How many Rs are there in the word 'strawberry'?"})response = client.chat.completions.create(    model="deepseek-reasoner",    messages=messages,    stream=True)# ...

登录后复制非流式代码语言：javascript代码运行次数：0运行复制

from openai import OpenAIclient = OpenAI(api_key="", base_url="https://api.deepseek.com")# Round 1messages = [{"role": "user", "content": "9.11 and 9.8, which is greater?"}]response = client.chat.completions.create(    model="deepseek-reasoner",    messages=messages)reasoning_content = response.choices[0].message.reasoning_contentcontent = response.choices[0].message.content# Round 2messages.append({'role': 'assistant', 'content': content})messages.append({'role': 'user', 'content': "How many Rs are there in the word 'strawberry'?"})response = client.chat.completions.create(    model="deepseek-reasoner",    messages=messages)# ...

登录后复制

总结

DeepSeek-R1的横空出世，标志着国产大模型在关键技术领域实现质的突破。通过"性能对标+生态开放"的双轮驱动战略，不仅成功比肩OpenAI o1的顶级推理能力，更以MIT开源协议构建起开发者友好的创新生态。其独创的思维链API接口与动态蒸馏技术，为企业降本增效提供了全新解决方案。

随着模型权重和训练框架的全面开放，我们有理由预见：在R1的技术底座上，将涌现出更多垂直领域的智能应用。对于开发者而言，现在正是通过官方API（model=‘deepseek-reasoner’）接入顶级推理能力的最佳时机；对企业用户来说，极具竞争力的0.002美元/千token定价策略，将大幅降低AI部署成本。这场由DeepSeek-R1引发的智能革命，正在开启通用人工智能普惠化的新纪元。

（CTA行动号召）立即访问DeepSeek官网，体验与OpenAI o1比肩的推理性能，获取MIT协议开源模型，开启您的智能升级之旅！