有人惊讶于其技术带来的极致性价比，不过也有人会发出疑问——代价是什么？

但这都无法阻挡DeepSeek的强势。

也许R1在之后的表现会越来越不如其它的大模型，也会发现有非常非常多的缺点，但在现在这个时间段，它无疑是非常强大的。

米国，斯坦福某实验室，凌晨两点。

正在查论文的博士生Leo看到DS的那篇论文，出于职业素养，他照例点开看了眼摘要。

不过这一看，他瞬间坐直了身体，睡意全无，几乎是脱口而：“Holy*&#$？！”

虽然是凌晨两点，但是因为他们最近在赶论文，所以实验室里还有不少人，这声惊呼引得旁边还在跑实验的同学投来疑惑的目光。

“Leo，怎么了？代码又出bug了？”

“我倒是希望代码出bug了，看看这篇文章吧。”他将屏幕转动了一下，让其他人能看得清上面的论文题目。

“R1:RedefiningCost-PerformanceTradeoffsinLarge-ScaleLanguageModels？”

旁边的同学Sarah搜了一下，果然找到了这篇刚刚发布不久的文章。

“这是哪个公司的成果吗？”因为作者的名单上长长一串一般只有公司的文章才会这样。

“就是DeepSeek，之前他们不是发过一个V3版本的论文吗？当时老板还让我们看过，你不记得了？”

“哦~好像有点印象，怎么，这篇R1有很大的提升吗？”他一边说着一边看向下面的摘要部分。

“Reinforcementlearning（强化学习）？这不是和我们现在做的方向一样吗？”不过当他看到第一张图片的时候不由得歪了歪脑袋，发出了同样的惊呼：“Holy*&#$？真的假的？”

图片上面显示了，其效果几乎和GPT-o1持平，而且文中写到了其推理成本的二十分之一还不到。

Leo苦笑着摇头“不知道，我希望是假的，但我感觉应该是真的。”