在國產大模型發展歷程中，DeepSeek-R1無疑是一個具有里程碑意義的存在。自其發布以來，便在全球舞臺上嶄露頭角，引領國產大模型開啟開源新時代，至今已走過一年的時光。而近日，開發者社區因DeepSeek的一次存儲庫更新而沸騰起來——一個全新的“model 1”模型被曝光，引發了眾人對其身份的猜測，不少人認為它極有可能就是備受期待的DeepSeek-R2。

在DeepSeek的開源項目FlashMLA庫代碼片段中，明確引用了“MODEL1”，同時還伴隨針對KV緩存的新優化以及576B步幅的稀疏FP8解碼支持。FlashMLA作為DeepSeek的優化注意力內核庫，此前一直為DeepSeek-V3和DeepSeek-V3.2-Exp模型提供支持。此次項目里大約有28處提到“model 1”，這無疑被解讀為新模型即將發布的強烈信號。而且，這一爆料恰逢DeepSeek-R1發布一周年，時間上的巧合更增添了神秘色彩。

回顧DeepSeek-R1，它作為開源推理模型，曾與OpenAI的o1相匹敵，甚至登頂iOS App Store，徹底改變了開源AI社區的格局。它并非當時最強的模型，卻有著獨特的意義，主要體現在降低了三重壁壘。在技術壁壘方面，R1公開分享推理路徑和后訓練方法，將曾經封閉在API背后的高級推理能力，轉化為可下載、可蒸餾、可微調的工程資產，許多團隊無需從頭訓練大模型就能獲得強大推理能力，推動了行業重新思考模型能力與計算成本的關系，在中國算力受限的環境中意義重大。

在采用壁壘上，R1以MIT許可證發布，使用、修改和再分發變得簡單直接。原本依賴閉源模型的公司紛紛將R1投入生產，蒸餾、二次訓練和領域適應成為常規工程工作，模型迅速擴散到云平臺和工具鏈中，社區討論重點也從“哪個模型分數更高”轉向“如何部署、降低成本并集成到實際系統”。久而久之，R1從研究產物轉變為可復用的工程基礎。

在心理層面，當問題從“我們能做這個嗎？”轉變為“我們如何做好這個？”時，許多公司的決策發生了變化。對中國AI社區而言，這是一個難得的獲得全球持續關注的時刻，對于一個長期被視為跟隨者的生態系統至關重要。這三個壁壘的降低，意味著生態系統開始具備自我復制的能力。

從技術突破來看，DeepSeek-R1的關鍵并非單點技巧，而是一整套系統性設計。它以推理優先為訓練目標，在傳統SFT/RLHF體系中，最終答案的“正確性”是唯一目標，而R1引入了更細粒度的信號。其訓練數據不追求百科全書式的覆蓋，而是高度聚焦數學與邏輯推導、可驗證的復雜任務，答案不重要，過程才是關鍵，這使得R1在數學、代碼、復雜推理上呈現出“跨尺度躍遷”。同時，R1并非簡單“更會寫CoT”，而是在內部形成了穩定的推理狀態轉移結構，讓推理成為內生能力。

DeepSeek-R1的出現帶來了諸多改變。它改變了對“對齊”的理解，讓人們意識到對齊不僅是價值對齊，也是認知過程的對齊；改變了對開源模型的想象空間，證明開源模型在推理維度可以成為范式定義者，極大激活了社區對“Reasoning LLM”的探索熱情；改變了工程師與模型的協作方式，當模型開始“展示思路”，人類從提問者變為合作者。如今，雖然推理能力仍有明顯上限，長鏈路思考成本依舊高昂，但DeepSeek-R1所選擇的方向無疑是正確的，它的故事仍在繼續書寫。