DeepSeek-R1: "Kẻ thách thức" OpenAI o1 xuất hiện Điểm nổi bật: • Sử dụng thuật toán Group Relative Policy Optimization (GRPO) thay vì PPO, giúp giảm chi phí tính toán. • Mô hình tự học các chiến lược suy luận phức tạp như tự suy ngẫm và quay lui. • Các mô hình nhỏ hơn được "chưng cất" từ DeepSeek-R1 cho hiệu suất đáng kinh ngạc, thậm chí vượt trội hơn cả o1-mini. • Chi phí sử dụng DeepSeek-R1 rẻ hơn đáng kể so với o1 (2.19/1M token so với 60/1M token)