DeepSeek-R1

AI & 機械学習更新: 2026-10-22

詳細情報

中国DeepSeekが2025年1月に公開したオープンウェイトの推論モデル。数学とコーディングでOpenAI o1に並び、学習コストは100分の1程度とされた。

SFTによる下準備なしの純粋な強化学習でも強い推論能力が生まれることを示した。前身のR1-Zeroは、数学やコードの正答という報酬信号だけで訓練されている。最終版のR1は小型モデル（Qwen-7B、Llama-8B）に蒸留され、サイズに見合わない性能を発揮して驚かれた。

市場へのショックも大きかった。最先端モデルには数十億ドルとクローズドなデータが要るという思い込みが崩れ、NVIDIA株は1日で約17%下落した。重みはMITライセンスでHugging Faceに公開されている。