{"id":128092,"date":"2025-01-21T22:14:31","date_gmt":"2025-01-21T21:14:31","guid":{"rendered":"https:\/\/quondos.com\/mag\/?p=128092"},"modified":"2025-01-21T22:14:39","modified_gmt":"2025-01-21T21:14:39","slug":"deepseek-r1-zero-y-r1-igualan-a-openai-o1-en-benchmarks-de-razonamiento","status":"publish","type":"post","link":"https:\/\/quondos.com\/mag\/deepseek-r1-zero-y-r1-igualan-a-openai-o1-en-benchmarks-de-razonamiento\/","title":{"rendered":"DeepSeek R1-Zero y R1 igualan a OpenAI o1 en benchmarks de razonamiento"},"content":{"rendered":"\n<figure class=\"wp-block-image size-full\"><img loading=\"lazy\" decoding=\"async\" width=\"632\" height=\"472\" src=\"https:\/\/quondos.com\/mag\/wp-content\/uploads\/2025\/01\/DeepSeek-1-e1737493410775.webp\" alt=\"\" class=\"wp-image-127980\" title=\"\" srcset=\"https:\/\/quondos.com\/mag\/wp-content\/uploads\/2025\/01\/DeepSeek-1-e1737493410775.webp 632w, https:\/\/quondos.com\/mag\/wp-content\/uploads\/2025\/01\/DeepSeek-1-e1737493410775-300x224.webp 300w\" sizes=\"auto, (max-width: 632px) 100vw, 632px\" \/><\/figure>\n\n\n\n<p>\u00bfTe imaginas un modelo de inteligencia artificial capaz de <strong>igualar<\/strong> las capacidades de OpenAI en <strong>benchmarks de razonamiento<\/strong>? Ese es el objetivo que, seg\u00fan informes, se propuso la startup china <strong>DeepSeek<\/strong>, que acaba de presentar sus nuevos modelos DeepSeek-R1 y DeepSeek-R1-Zero. Con su enfoque \u00fanico de aprendizaje, prometen plantar cara a la conocida l\u00ednea de OpenAI o1, atrayendo la atenci\u00f3n de la comunidad de IA a nivel mundial.<\/p>\n\n<p>La principal novedad de <strong>DeepSeek-R1-Zero<\/strong> radica en su habilidad para aprender sin depender de ejemplos humanos, pues se basa por completo en <strong>reinforcement learning<\/strong>. De acuerdo con la fuente, este sistema revisa su propio trabajo y descompone tareas complejas en pasos m\u00e1s peque\u00f1os. Adem\u00e1s, sabe cu\u00e1ndo dedicar m\u00e1s tiempo a un problema dif\u00edcil, repensando su estrategia antes de dar una respuesta, inspir\u00e1ndose en tecnolog\u00edas como AlphaZero de DeepMind.<\/p>\n\n<p>Seg\u00fan <strong>informes<\/strong> de investigaci\u00f3n, el equipo de DeepSeek opt\u00f3 por un sencillo sistema de recompensas basado en reglas para entrenar a su modelo, en lugar de los complejos modelos de recompensa neuronal. <strong>Esta estrategia<\/strong> busca evitar el llamado \u201creward hacking\u201d y reducir la necesidad de potencia de c\u00f3mputo. Para verificar la exactitud de las respuestas, se crearon dos subsistemas: uno compara resultados matem\u00e1ticos y eval\u00faa c\u00f3digo, mientras que el otro supervisa el formato y el uso de etiquetas espec\u00edficas.<\/p>\n\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_76 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">\u00cdndice de contenidos<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabla de contenidos\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Toggle<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewBox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewBox=\"0 0 24 24\" version=\"1.2\" baseProfile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1 ' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/quondos.com\/mag\/deepseek-r1-zero-y-r1-igualan-a-openai-o1-en-benchmarks-de-razonamiento\/#Comparaciones_con_OpenAI_o1_y_desarrollo_de_modelos\" >Comparaciones con OpenAI o1 y desarrollo de modelos<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/quondos.com\/mag\/deepseek-r1-zero-y-r1-igualan-a-openai-o1-en-benchmarks-de-razonamiento\/#Modelos_open_source_y_distilacion\" >Modelos open source y distilaci\u00f3n<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/quondos.com\/mag\/deepseek-r1-zero-y-r1-igualan-a-openai-o1-en-benchmarks-de-razonamiento\/#Planes_a_futuro_y_disponibilidad\" >Planes a futuro y disponibilidad<\/a><\/li><\/ul><\/nav><\/div>\n<h2><span class=\"ez-toc-section\" id=\"Comparaciones_con_OpenAI_o1_y_desarrollo_de_modelos\"><\/span>Comparaciones con OpenAI o1 y desarrollo de modelos<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>Seg\u00fan la fuente, <strong>DeepSeek-R1<\/strong> mantiene un rendimiento similar al de <strong>OpenAI o1-1217<\/strong> en m\u00faltiples pruebas de razonamiento. El modelo alcanz\u00f3 un 79,8% en AIME 2024 y un 97,3% en MATH-500, superando a la mayor\u00eda de participantes en pruebas de coding como Codeforces. Aunque <strong>OpenAI o1<\/strong> a\u00fan conserva una ligera ventaja en conocimiento general (MMLU y GPQA Diamond), la diferencia es cada vez m\u00e1s peque\u00f1a, impulsando una sana competencia en el sector.<\/p>\n\n<p>Para perfeccionar sus capacidades, <strong>DeepSeek-R1<\/strong> inicia con un conjunto reducido de datos de arranque en fr\u00edo, antes de pasar por varias rondas de entrenamiento mediante <strong>refuerzo<\/strong>. Este proceso soluciona dos problemas clave de <strong>DeepSeek-R1-Zero<\/strong>: la falta de legibilidad y la tendencia a mezclar diferentes idiomas en una misma respuesta. Seg\u00fan la empresa, estos ajustes han logrado que el modelo sea m\u00e1s estable y entendible para los usuarios que buscan resultados claros.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"Modelos_open_source_y_distilacion\"><\/span>Modelos open source y distilaci\u00f3n<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>Adem\u00e1s de sus modelos principales, DeepSeek ha lanzado seis versiones <strong>open source<\/strong> m\u00e1s peque\u00f1as, con par\u00e1metros que van desde 1.5B hasta 70B. Seg\u00fan informes, algunas variantes igualan o superan el rendimiento de <strong>OpenAI o1-mini<\/strong> en la mayor\u00eda de pruebas. Llama la atenci\u00f3n que la versi\u00f3n de 1.5B, pese a su reducido tama\u00f1o, logra buenos resultados en ciertas pruebas de matem\u00e1ticas. Para transmitir su razonamiento, <strong>DeepSeek-R1<\/strong> gener\u00f3 800.000 ejemplos adicionales para refinar Qwen y Llama.<\/p>\n\n<p>La <strong>distilaci\u00f3n<\/strong> de estos modelos fue clave para obtener altos niveles de precisi\u00f3n. Directamente, entrenar versiones peque\u00f1as mediante refuerzo no dio resultados similares, seg\u00fan la fuente. Por ello, DeepSeek opt\u00f3 por recopilar datos generados por la versi\u00f3n grande y alimentar a las m\u00e1s peque\u00f1as con esa <strong>informaci\u00f3n valiosa<\/strong>. De esta forma, se obtuvieron modelos compactos con capacidades de razonamiento competitivas, disponibles para toda la comunidad a trav\u00e9s de GitHub y HuggingFace.<\/p>\n\n<h2><span class=\"ez-toc-section\" id=\"Planes_a_futuro_y_disponibilidad\"><\/span>Planes a futuro y disponibilidad<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n<p>DeepSeek ha anunciado que mejorar\u00e1 las capacidades generales de <strong>R1<\/strong>, centr\u00e1ndose en <strong>function calling<\/strong>, conversaciones de varias interacciones y escenarios de rol m\u00e1s complejos. Sin embargo, seg\u00fan la fuente, reconocen que el modelo a\u00fan va por detr\u00e1s de otras propuestas, incluida la propia DeepSeek-V3, en algunos aspectos de rendimiento conversacional. Tambi\u00e9n se\u00f1alan que planean solucionar pronto los problemas de mezcla de idiomas y sensibilidad a los prompts, un inconveniente que tambi\u00e9n experiment\u00f3 OpenAI en las primeras versiones de o1.<\/p>\n\n<p>En cuanto a la disponibilidad, <strong>DeepSeek-R1<\/strong> se distribuye bajo licencia MIT, lo que permite su uso y <strong>fine-tuning<\/strong> sin restricciones. El acceso al modelo tambi\u00e9n est\u00e1 habilitado a trav\u00e9s de la API de DeepSeek, con un costo aproximado de $0,14 por mill\u00f3n de tokens de entrada en casos cacheados, $0,55 sin cach\u00e9 y $2,19 por mill\u00f3n de tokens de salida. Adem\u00e1s, <a href=\"\/ai-news\/modelos-lenguajes\/\">explora m\u00e1s detalles<\/a> sobre su integraci\u00f3n con otros modelos de lenguaje en el ecosistema.<\/p>\n\n<p>Seg\u00fan informes, la startup conf\u00eda en que las pruebas del mundo real confirmen si <strong>DeepSeek-R1<\/strong> realmente alcanza a OpenAI o1 en aplicaciones pr\u00e1cticas. De cara al futuro, su objetivo es <strong>acercarse<\/strong> a la nueva versi\u00f3n o3 de OpenAI, siempre y cuando mantengan el ritmo de desarrollo y sus m\u00e9todos de entrenamiento sigan dando frutos. Para m\u00e1s informaci\u00f3n, visita la p\u00e1gina oficial de <a href=\"https:\/\/github.com\/\" target=\"_blank\" rel=\"noopener\">GitHub<\/a> de DeepSeek o revisa su perfil en HuggingFace.<\/p>\n\n\n\n\n<p>Fuente: https:\/\/the-decoder.com\/deepseeks-latest-r1-zero-model-matches-openais-o1-in-reasoning-benchmarks\/<\/p>\n","protected":false},"excerpt":{"rendered":"<p>\u00bfTe imaginas un modelo de inteligencia artificial capaz de igualar las capacidades de OpenAI en benchmarks de razonamiento? Ese es &#8230; <\/p>\n<p class=\"read-more-container\"><a title=\"DeepSeek R1-Zero y R1 igualan a OpenAI o1 en benchmarks de razonamiento\" class=\"read-more button\" href=\"https:\/\/quondos.com\/mag\/deepseek-r1-zero-y-r1-igualan-a-openai-o1-en-benchmarks-de-razonamiento\/#more-128092\" aria-label=\"Leer m\u00e1s sobre DeepSeek R1-Zero y R1 igualan a OpenAI o1 en benchmarks de razonamiento\">Leer m\u00e1s<\/a><\/p>\n","protected":false},"author":850,"featured_media":127980,"comment_status":"open","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1474],"tags":[],"class_list":["post-128092","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-inteligencia-artificial","generate-columns","tablet-grid-50","mobile-grid-100","grid-parent","grid-50","no-featured-image-padding"],"_links":{"self":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/128092","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/users\/850"}],"replies":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/comments?post=128092"}],"version-history":[{"count":1,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/128092\/revisions"}],"predecessor-version":[{"id":128093,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/posts\/128092\/revisions\/128093"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/media\/127980"}],"wp:attachment":[{"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/media?parent=128092"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/categories?post=128092"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/quondos.com\/mag\/wp-json\/wp\/v2\/tags?post=128092"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}