透過大量類似的高質量資料監督大模型學習推理的過程，這才有了第一個強智慧的推理模型o1。
在這樣的領先優勢之下，自然不可能詳細開放o1的推理過程給使用者。
若是如此，其他公司獲取思維鏈路資料以蒸餾自己AI模型的成本就會遠低於自己，孟繁岐不可能做這樣的傻事。
坐擁這樣的先發優勢，孟繁岐又可以藉助使用者的反饋，來獲取和調整新的思維鏈路資料。
因此在他看來，自己在大模型思維推理這方面的優勢是巨大的，擁有堅不可摧牢不可破的壁壘。
然而，DeepSeekR1zero狠狠地擊碎了他自說自話的夢想。
“R1zero可以直接在DeepSeekV3的版本上做強化學習，不需要大量高質量監督資料就能夠探索出比較好的思維推理，增強了模型回覆的長度、邏輯性和準確度。唯一的問題是這種方式獲取的模型思維對於人類來說可讀性不強。”孟繁岐繼續閱讀著R1zero和R1的相關報告。
與各種自媒體所宣傳的不需要思維鏈資料不同，R1系列顯然還是需要這些高質量資料的，這讓孟繁岐內心稍稍安寧了一些，只要這部分資料還有價值，他總不至於淪落到過去一年多的投入變為一場空。
真正的R1還是需要優質思維鏈路資料來冷啟動的，雖然從結果上看，R1並沒有比R1Zero準確很多，不過它的思維邏輯和方式人類更加容易讀懂了。
可以說，比起現在人人都搶著試用的R1，R1Zero版本給孟繁岐的震撼要大很多。
R1Zero成為了一種合成高質量思維鏈資料的方式，比起孟繁岐刀耕火種的標註和確認，大模型合成的規模和效率顯然存在千萬倍的潛力。
“有R1Zero獲取大規模的鏈路資料，針對思維鏈的每一個步驟再去分析計算，也就不大必要了。”孟繁岐終於理解了，為什麼DeepSeek的成本低到令人髮指。
孟繁岐一直以為，DeepSeek對外開放的API呼叫價格這麼低，只是因為母公司不差錢，沒準備用這個服務賺錢。
由於他們沒有網際網路大廠天然的使用者基礎，低價API和免費網頁試用，都只是積累使用者的前期投入。
而今細讀DeepSeek在引數低bit訓練，高倍率權重稀疏，以及批次資料合成等方面的成就。孟繁岐這才明白，原來他們真的已經將成本降低了一個數量級。
“DeepSeekR1雖然已經來到了一流級別，但距離現在滿血的o1還有一定的差距。我們正在研發的新版本在效能上也更具有領先優勢。”
DS的熱度在持續攀升，孟繁岐很快接到了團隊的報告。對於這種“我還沒輸”的分析，他並不認可。
“效能指標只是紙面上的，如今階段，兩三個點的差距使用者在使用的時候已經難以察覺。並且，拋開成本談效能，實在是耍流氓了。”
孟繁岐進行過實驗性質的超大模型訓練，效能確實屢創新高，但推理一個問題的成本就能到幾十塊乃至上百元。
試問這樣的使用價格，只是幾個點的提升又有什麼實際的意義呢？
“DeepSeek的低成本訓練大大降低了加入AI領域的門檻，我想很多還在觀望的公司都會有所動作。我們應該將策略從技術壟斷調轉方向，開始側重為大企業進行實際應用的適配。”
孟繁岐在歷史的轉折點做出了重大的決定。