DeepSeek R1 (2025)（ディープシークアール1・2025）
DeepSeek 2025年1月発表 OSS reasoning モデル。OpenAI o1 同等性能・MIT ライセンス・$2.19/1M・AIME 79.8%
概要
DeepSeek R1 は 2025年1月20日に中国 DeepSeek（深圳、High-Flyer Capital 傘下）が発表した OSS reasoning モデル（論文 arXiv:2501.12948「DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning」、HuggingFace: deepseek-ai/DeepSeek-R1）。DeepSeek V3（671B/37B MoE、2024-12）をベースに 純粋強化学習（Pure RL、SFT 不要） で reasoning 能力を引き出す画期的手法。
性能は OpenAI o1 同等：AIME 2024 = 79.8%（o1-preview 83%・o1 79.2%）・Codeforces = 96.3%（o1 89%）・MATH-500 = 97.3%（o1 96.4%）・GPQA Diamond = 71.5%（o1 75.7%）。価格は $0.55/1M 入力 + $2.19/1M 出力（DeepSeek API、o1-preview $15/$60 の 1/27 価格）、MIT ライセンスで完全 OSS。
革新は (1) Pure RL 学習：SFT（Supervised Fine-Tuning）なしで直接 RL（GRPO アルゴリズム）で reasoning 学習、シンプル + 効率的 (2) Chain-of-Thought 完全公開：内部思考過程を全公開（OpenAI o1 は要約のみ）(3) MIT ライセンス：商用利用・改造・再配布完全自由 (4) OSS で o1 同等性能：「OSS が商用最強モデルに追いつくのは不可能」という業界常識を覆した。
2025-01-20 発表後、(1) Hugging Face トップ Trending 1 位 (2) 米国株式市場で NVIDIA 株 17% 下落（「中国製 OSS で AI 民主化が起きるなら NVIDIA GPU 需要減」懸念）(3) Wall Street Journal・Financial Times 第一面で大特集、米中 AI 競争の地政学的議論を巻き起こした歴史的モデル。
主な特徴・仕組み
- ベース: DeepSeek V3（671B MoE / 37B アクティブ）
- 学習手法: Pure RL（GRPO アルゴリズム、SFT スキップ）
- 派生: R1（フル版 671B）・R1-Distill-Qwen-1.5B/7B/14B/32B（蒸留軽量版）・R1-Distill-Llama-8B/70B
- AIME 2024: 79.8%
- Codeforces: 96.3%
- MATH-500: 97.3%
- GPQA Diamond: 71.5%
- API 価格: $0.55/1M 入力 + $2.19/1M 出力（o1 の 1/27）
- コンテキスト: 128K トークン
- Chain-of-Thought 公開: フル公開（OpenAI は非公開）
- ライセンス: MIT
- OS バージョン: R1 (2025-01-20)・R1 0528 (2025-05 改良版)
スペック比較表
| 項目 | DeepSeek R1 (2025) | o1-preview | o1-mini | Claude 3.7 Extended Thinking | Qwen QwQ 32B |
|---|---|---|---|---|---|
| 価格 (out/1M) | $2.19 | $60 | $12 | $15 | OSS 無料 |
| AIME 2024 | 79.8% | 83% | 70% | unknown | 50.0% |
| Codeforces | 96.3% | 89% | 86% | unknown | unknown |
| MATH-500 | 97.3% | 96.4% | unknown | unknown | unknown |
| OSS | MIT | なし | なし | なし | Apache 2.0 |
| 思考公開 | フル | 要約のみ | なし | フル | フル |
具体例・対応製品
- DeepSeek R1 API: $0.55/$2.19 per 1M、OpenAI 互換 API
- deepseek-ai/DeepSeek-R1 (HuggingFace 2025-01): 671B フル weights、MIT
- deepseek-ai/DeepSeek-R1-Distill-Qwen-32B: 蒸留版、RTX 4090 動作可
- deepseek-ai/DeepSeek-R1-Distill-Qwen-7B: 蒸留軽量、Mac mini 動作可
- Cline DeepSeek R1: VSCode AI コーディング、月 $5 で大量利用
選び方・注意点
- OpenAI o1 代替: 性能ほぼ同等、価格 1/27 で「o1 で良かったタスクは R1 で」が現実
- OSS で完全自由: MIT で商用・改造・自社ホスト全可、データプライバシー要件対応
- 蒸留版 (Distill): 1.5B/7B/14B/32B/70B 派生、RTX 4090 24GB で 32B 動作、エッジ AI 革命
- Chain-of-Thought 公開: 内部思考過程フル公開で教育的価値高、OpenAI 戦略との対極
- 米中地政学: 米国 GPU 輸出規制でも実現、米中 AI 競争激化の象徴
- 2025-05 R1 0528 改良: ファーム更新で性能微改善、価格据置き
- コーディング用途: Cline + DeepSeek R1 で月 $5-10、Cursor + o1-mini ($20-50) より圧倒的コスパ
関連用語との違い
| 用語 | 違い |
|---|---|
| DeepSeek R1 (2025) | OSS o1 代替・MIT・$2.19/1M |
| OpenAI o1-preview (2024) | 商用・$60/1M・思考非公開 |
| OpenAI o1-mini (2024) | 商用軽量・$12/1M |
| Claude 3.7 Extended Thinking (2024) | Anthropic 版 |
| Qwen QwQ 32B (Alibaba 2024) | OSS 32B・Apache 2.0 |
よくある質問（FAQ）
Q1: なぜ NVIDIA 株 17% 下落？ A: 「OSS で OpenAI o1 同等性能を中国製 GPU 制限版で実現」が市場に「NVIDIA H100 巨大投資の優位性が揺らぐ」シグナルとして受け止められた。実際は NVIDIA GPU が R1 学習に使われたが、「効率化技術で巨大 GPU 需要が減る」未来予想で株価暴落。1 日で時価総額 $600B 消失、Apple Inc 並みの損失。
Q2: Pure RL 学習とは？ A: 従来 reasoning モデル（o1 等）は「SFT (教師あり) → RL」の 2 段階学習、DeepSeek R1 は SFT スキップ + 直接 RL で reasoning 能力を引き出す。シンプル + 効率的だが、初期報酬設計が難しい。論文 ablation で「Pure RL のみで AIME 79.8% 達成」を実証、学習手法の革命。
Q3: 蒸留版 (Distill) の実用性は？ A: R1 Distill 32B (Qwen ベース) は RTX 4090 24GB で動作、AIME 50%・Codeforces 1500 レーティング達成（フル R1 の 70-80% 性能）。R1 7B は Mac mini M2 16GB で動作、エッジ AI 革命。「自宅で o1 同等推論」が現実化。
まとめ
- 中国 DeepSeek 2025年1月発表・OSS reasoning モデル
- OpenAI o1 同等性能・$2.19/1M（o1 の 1/27）
- Pure RL 学習 + MIT ライセンス + 思考過程フル公開
- 蒸留版 1.5B-70B で RTX 4090 / Mac mini エッジ動作可
- NVIDIA 株 17% 下落・米中 AI 競争激化の象徴