过年期间，DeepSeek 开源的推理模型 DeepSeek-R1 真是火出圈了！我这个 AI 门外汉，也忍不住来围观一下～#AI创造营##deepseek#

1. DeepSeek-R1 智商比肩 OpenAI o1 正式版，同时网页端免费使用，API 服务价格超低：
- 输入（缓存命中）：1 元/百万 tokens
- 输入（缓存未命中）：4 元/百万 tokens
- 输出：16 元/百万 tokens

2. 他们将 DeepSeek-R1 训练技术全部开源（论文+模型权重），并且采用 MIT 协议（允许商用），地址：github.com/deepseek-ai/DeepSeek-R1

DeepSeek 带来的惊喜，不仅是超低的训练成本和服务价格，其开源的训练技术细节，更是给一份送给全球的开源大礼。

最后，我作为一个 AI 门外汉，在看了网上铺天盖地的文章和视频后，也来分享一些实用的资源，希望对大家有所帮助：

1. 针对 DeepSeek 服务卡顿、不可用的情况，可以关注官方服务状态页：status.deepseek.com 目前已有所改善。

2. 本地/离线运行 DeepSeek-R1 听起来很酷，但真的玩玩就好。因为使用体验好、有智商的 LLM 至少需要 32B 参数的版本（模型体积 20GB），运行它需要大于 20GB 的显存或内存，这不是普通的电脑能跑起来的。如果你想尝试本地部署，以下两个开源项目绝对好使：
- ollama：一条命令即可在本地运行 LLM 模型服务，地址：github.com/ollama/ollama
- open-webui：用户友好的 LLMs 聊天 Web 界面，适配多种 LLM API 服务，地址：github.com/open-webui/open-webui

3. 关于 LLM 蒸馏、微调等专业操作，是有门槛的，感兴趣可以先看看下面这两本 LLM 入门级的开源书籍和训练小型语言模型的实战教程：
- 《大模型基础》（作者主要来自浙江大学）：github.com/ZJU-LLMs/Foundations-of-LLMs
- 《大语言模型》（作者主要来自人民大学）：github.com/LLMBook-zh/LLMBook-zh.github.io
- minimind：从零开始训练小型语言模型：这不仅是一个微型语言模型的实现，更是一份入门 LLM 的教程，旨在降低学习和上手 LLM 的门槛 。它提供了从数据预处理到模型训练、微调和推理的全流程代码和教程。最小模型仅 0.02B 参数，可在普通 GPU 上轻松运行。地址：github.com/jingyaogong/minimind

虽然这些资料可能无法让完全不懂编程的小白直接入门 LLM，但至少能帮你甄别网上哪些是真正有价值的干货。