计算机 行业专题报告 DeepSeek-R1：强化学习+知识蒸馏，比肩o1 20250122 -财通证券.pdfVIP

下载日志已记录，仅供内部参考，股票报告网

计算机/行业专题报告/2025.01.22

DeepSeek-R1：强化学习+知识蒸馏，比肩o1

证券研究报告

投资评级:看好(维持)核心观点

最近12月市场表现❖DeepSeek-R1发布，对标OpenAIo1正式版。1月20日，DeepSeek正式

发布一系列DeepSeek-R1模型，包括DeepSeek-R1-Zero、DeepSeek-R1和

计算机沪深300上证指数DeepSeek-R1-Distill系列。DeepSeek-R1模型推理能力优异，基准测试表现与

49%OpenAI-o1-1217相当，且API服务定价远低于OpenAI同类产品。

36%

22%❖大规模强化学习，激发大模型推理潜能：DeepSeek-R1-Zero在技术路线上

9%实现了突破性创新，成为首个完全摒弃监督微调环节、完全依赖强化学习训练

-5%的大语言模型，证明了无监督或弱监督学习方法在提升模型推理能力方面的

-18%巨大潜力。在此基础上，DeepSeek-R1对R1-Zero进行了改进。通过引入冷启

动数据，并历经推理导向强化学习、拒绝采样、监督微调以及全场景强化学习

的多阶段训练，充分发挥了强化学习的自学习和自进化能力。

分析师杨烨

SAC证书编号：S0160522050001

yangye01@❖知识蒸馏技术，让小模型也能“聪明”推理：DeepSeek团队深入探索了

将R1的推理能力蒸馏到更小模型中的潜力，发现经过R1蒸馏的小模型在推

理能力上实现了显著提升，甚至超过了在这些小模型上直接进行强化学习的

相关报告效果，证明了R1学到的推理模式具有很强的通用性和可迁移性，能够通过蒸

1.《一文读懂美国BIS必威体育精装版禁令》

馏有效传递给其他模型。这些结论为业界提供了新的启示：对小模型而言，蒸

2025-01-19

馏优于直接强化学习，大模型学到的推理模式在蒸馏中得到了有效传递。

2.《大模型系列报告（一）：Transformer

架构的过去、现在和未来》2025-01-

❖DeepSeek-R1高性价比API定价，极具商业化落地潜力：DeepSeek-R1

19

API服务定价为每百万输入tokens1元（缓存命中）/4元（缓存未命中），每

3.《电力信息化研究框架：（一）总章》

百万输出tokens16元，远低于可比大模型API服务。DeepSeek-R1的高性价

2025-01-14

比API定价有助于开发者在使用后加速模型的功能迭代，从而解决目前模型