← 返回系列列表
R1 4 个模型
发布时间线
2025.05.28
DeepSeek-R1-0528-Qwen3-8B
基于Qwen3-8B Base微调,蒸馏R1思维链;数学性能强于Phi-4 14B和Gemini-2 ...
2025.03.11
R1-Omni
首次将DeepSeek同款RLVR(可验证奖励强化学习)应用于全模态LLM
结合GRPO强化学习方法 ...
2025.02.28
DeepSeek-R1-70B
参数规模高达700亿
基于Llama3.3-70B-Instruct训练
采用强化学习和蒸馏技术提升 ...
2025.02.20
VLM-R1
1. 成功将R1方法的GRPO强化学习技术迁移至视觉语言模型
2. 在复杂场景下展现极高稳定性
3. ...
| 发布日期 | 公司 | 模型名称 | 类型 | 特性 |
|---|---|---|---|---|
| 2025-05-28 | DeepSeek | DeepSeek-R1-0528-Qwen3-8B | 主流 | 基于Qwen3-8B Base微调,蒸馏R1思维链;数学性能强于Phi-4 14B和Gemini-2.5-Flash |
| 2025-03-11 | 阿里巴巴 | R1-Omni | 主流 | 首次将DeepSeek同款RLVR(可验证奖励强化学习)应用于全模态LLM 结合GRPO强化学习方法,无需单独奖励模型 具备情感识别过程中的可解释性推理能力 在分布外数据集上展现更强鲁棒性和泛化能力 |
| 2025-02-28 | DeepSeek | DeepSeek-R1-70B | 主流 | 参数规模高达700亿 基于Llama3.3-70B-Instruct训练 采用强化学习和蒸馏技术提升推理表现 在数学、代码与逻辑推理任务中表现突出 |
| 2025-02-20 | DeepSeek | VLM-R1 | 主流 | 1. 成功将R1方法的GRPO强化学习技术迁移至视觉语言模型 2. 在复杂场景下展现极高稳定性 3. 具备卓越的泛化能力,训练过程中性能持续提升 4. 提供完整的训练和评估流程,上手难度低 |