DeepSeekは2025年1月20日、同社の開発した最新のLLM「DeepSeek-R1」を発表した。DeepSeekは中国のAIスタートアップで、DeepSeek-R1は同社初の推論モデルとなる。

• DeepSeek-R1 -GitHub

DeepSeek-R1の予備段階のモデルとして「DeepSeek-R1-Zero」があり、これは教師ありファインチューニング（SFT）に頼らず、ベースモデルに大規模な強化学習（RL）を直接適用することにより、複雑な問題を解決するための思考の連鎖（CoT）を探索できるようになったもの。これに加えて、改善された推論パターンを発見し、人間の好みに合わせることを目的とした2つの強化学習用ステージと、モデルの推論機能と非推論機能の種となる2つのSFTステージを組み込み、推論パフォーマンスをさらに向上させたものがDeepSeek-R1となった。同社によると、DeepSeek-R1は数学、コード、推論タスク全体でOpenAI o1に匹敵するパフォーマンスを発揮するという。

DeepSeek-R1はMITライセンスの元、オープンソースとして提供される。

このほかAPIでも提供され、以下の料金で利用可能。

• 0.14ドル/100 万入力トークン（キャッシュヒット）
• 0.55ドル/100 万入力トークン（キャッシュミス）
• 2.19ドル/100万出力トークン