DeepSeek R1 彻底出圈了，R1的冲击波经过几天的酝酿，今天似乎达到了一个高点，小编时间线被刷爆了，总结起来有两点给大家分享一下，非常有意思：首先R1经受住了多个权威基准测试，其次R1带来了大量八卦和破防，当然还有福利，因为R1 Sam Altman 宣布o3 mini 免费可用（有查询次数限制）

直接上图，大家看看

权威基准测试

三张图无可争辩的说明 DeepSeek R1的强大：

DeepSeek R1在大模型竞技场 Chatbot Arena，以及其他两个无法提前被黑客入侵的独立基准(Artificial-Analysis, HLE)经受住考验

1.大模型竞技场排名

DeepSeek-R1 大模型竞技场排行出炉，挺进前三！性能直逼顶尖。LM Arena (原 lmsys.org) 称 DeepSeek-R1 的表现令人瞩目，并称赞其为社区带来了一份“令人难以置信的里程碑和礼物”

DeepSeek-R1 的亮点包括： 综合排名第三：DeepSeek-R1 目前在 LM Arena 综合榜单上排名第三，与顶尖推理模型 o1 并列，展现了强大的通用能力技术领域表现卓越：

在 “Hard Prompts” (高难度提示词)、 “Coding” (代码能力) 和 “Math” (数学能力) 等技术性极强的领域，DeepSeek-R1 更是拔得头筹，位列第一风格控制并列第一：

在 “Style Control” (风格控制) 方面，DeepSeek-R1 也展现了惊人的实力，与 o1 并列第一，意味着模型在理解和遵循用户指令，并按照特定风格生成内容方面表现出色推文还指出，

在 “Hard Prompt with Style Control” （高难度提示词与风格控制结合）的测试中，DeepSeek-R1 更是与 o1 并列第一，进一步证明了其在复杂任务和精细化控制方面的强大能力

虽然目前的排名是基于早期的结果，更多投票正在收集中以确保排名的稳定性，但 DeepSeek-R1 已经展现出在各个领域都非常强劲的潜力

2.人类最后的考试 测试

这个测试是昨天刚刚发布的，难度非常高，是Scale AI 和CAIS 公布的一项突破性的新基准，这是人类知识前沿的多模式基准，旨在成为同类中最后一个学科覆盖面广的封闭式学术基准。该数据集由跨越一百多个学科的 3,000 道挑战性试题组成。公开发布这些问题，同时保留了一个不公开的测试集，用于评估模型的过拟合情况

R1 排名第一

Artificial-Analysis

Artificial-Analysis 对人工智能模型和应用程序接口提供商进行独立分析， 了解人工智能的现状，为您的使用案例选择最佳模型和提供商

R1排名第二（比O1便宜25倍）

其他测试

webdev 测试R1 排名第二

赞誉，破防，恐慌以及八卦

杨立坤赞扬deepseek，杨立坤转发并且夸奖了 R1项目，表示开源会加速 AI 进步

对于那些看到 DeepSeek 性能并认为：“中国正在超越美国在人工智能领域”的人们，你们理解错了。正确的理解应该是：“开源模型正在超越专有模型。”

DeepSeek 从开源研究和开源技术中受益（例如 Meta 的 PyTorch 和 Llama）他们提出了新的想法，并在其他人的工作基础上进行了构建，由于他们的工作是公开发布和开源的，大家都可以从中受益，这就是开源研究和开源的力量

Scale AI CEO Alexandr Wang 直接破防，说 DeepSeek 有50000 台H100，但是由于美国的限制导致他们不能说自己有

Meta的生成AI团队陷入恐慌！从DeepSeek V3横空出世开始，Llama 4的基准测试已被甩在后头，最糟糕的是，竟然有一家“未知的中国公司”投入550万美元的训练预算。这让Meta的工程师们开始疯狂拆解DeepSeek，试图复制它的一切。更让人担忧的是，Meta管理层面临着如何证明生成AI部门巨额开销的问题——毕竟，部门里的每一位“领导者”的薪酬都比训练DeepSeek V3的成本还要高，而且这样的“领导者”有很多。DeepSeek R1的推出更是让情况变得更为严峻。虽然无法透露机密信息，但不久后公众会知晓。原本应该是一个专注于工程的小团队，但由于一群人想借此提升影响力、膨胀招聘规模，最终大家都成了输家

经济学人专栏八卦

还有网友的众多反馈