DeepSeek-R1-Zero 所需的運算能力減少了 30 倍

研究人員重新評估了 DeepSeek-R1-Zero 模型的訓練成本。根據修正後的數據，強化學習 (RL) 過程僅需約 2e22 FLOPs，比最初的預測值少了 30 倍。

此次指標調整歸功於對批次大小 (batch size) 的重新計算以及對運算效能利用率 (MFU) 的釐清。最初的評估未考慮 RL 訓練中負載分配的特殊性，導致早期報告中對所需資源的預估出現了顯著的高估。

這項修正顯示，現代強化學習方法可能比先前預期的更具經濟效益。對於開發者而言，這意味著在擴展類似模型時能更精確地規劃基礎設施，同時也證實了 DeepSeek 所採用的當前優化演算法具有極高的效率。