DeepSeekR1训练成本高吗

DeepSeek-R1训练成本概览

从已公开披露的数据看，若只看后训练（R1-Zero 与 R1 两阶段），其训练费用约为29.4万美元；若把作为基座的DeepSeek-V3预训练也计入，整体约为600万美元 + 29.4万美元 ≈ 629.4万美元。这在当前主流大模型动辄数千万美元的训练投入中，属于较低水平。

成本构成与关键数字

• 训练资源与时间
• R1-Zero：64×8 张 H800，约198 小时
• R1：64×8 张 H800，约80 小时
• 构建 SFT 数据集：约5,000 GPU Hours
• 费用测算假设
• 以H800 租赁价 $2/小时计
• 费用拆分
• R1-Zero：约$202,000
• SFT 数据集：约$10,000
• R1：约$82,000
• 合计：约$294,000（29.4 万美元）
• 基座模型
• DeepSeek-V3 预训练约$6,000,000**；R1 在其上做后训练（上述**$294,000）

以上数字来自论文与官方披露的补充材料。

为何能做到相对较低

• 强化学习策略更高效：采用GRPO（群组相对策略优化），无需单独的价值模型，直接基于组内相对优势估计，显著降低内存与计算开销。
• 奖励与流程设计简化：以规则化奖励（准确率、格式）配合简洁模板，先产出“思考过程”再给答案，提升训练稳定性与可扩展性。
• 训练流程创新：R1-Zero 先通过纯强化学习涌现推理能力，再引入少量冷启动数据与多阶段 RL/SFT，减少昂贵的人工标注依赖。

这些设计与算法选择共同压低了后训练阶段的算力与资金门槛。

口径差异说明

• 有媒体按不同集群规模与周期给出“R1 预训练约557.6万美元、在2048 块 H800上运行55天”的说法；该口径与上文“后训练约29.4万美元”并不矛盾，差异主要来自统计范围（是否包含基座预训练、集群规模与计价口径等）。
• 业内常见口径是“基座预训练成本 + 后训练成本”的合计来评估大模型总训练投入；按此口径，R1 约629.4万美元仍显著低于许多头部闭源模型。