柏克萊加州大學（UC Berkeley）的一群研究人員表示，僅花30元就重建了中國革命性的DeepSeek AI的核心技術。這款極其便宜的DeepSeek重建結果再次顯示，雖然大型公司推出的模型令人印象深刻，但可能有更便宜的方式來建造這些模型。
由柏大博士生潘家怡（Jiayi Pan）領導的團隊，使用一個僅30億個參數的小型語言模型，成功複製了DeepSeek R1-Zero的強化學習能力。
儘管規模相對較小，但該AI展示了自我驗證和搜尋能力，這是使其能夠迭代改進自身回應的關鍵功能。
為了測試他們的DeepSeek重建，柏克萊團隊使用倒數（Countdown）遊戲，這是一款基於英國遊戲節目的數字謎題，玩家必須使用算術來達到目標數字。最初，該模型產生隨機生成的猜測，但透過強化學習，後來開發出自我糾正和迭代解題的技巧。最終，該模型學會了不斷修正答案，直到達到正確的解答。
研究團隊還進行乘法測試，AI透過使用分配律來拆解方程式，有如人類利用心算解決大型乘法習題，證明了該模型具有根據問題調整策略的能力。
潘家怡在開源平台Nitter上發表貼文稱，尤其令人印象深刻的是，整個重建僅花費30元，與領先的AI公司的大規模培訓花費相比，實在微不足道。
研究人員測試了多種模型規模，首先測試一個擁有5億參數的模型，無論準確性如何，該模型都只能猜測和停止。當擴展到15億個參數時，DeepSeek重建模型開始納入修正技巧。潘和其他研究人員報稱，介於30億到70億個參數之間的模型顯示出顯著的改進，能用更少的步驟解決問題，並且準確性更高。
潘家怡已將該項研究成果上傳到開源編碼平台GitHub，供其他研究人員參考。
目前OpenAI透過其應用程式介面（API）每百萬個標記（token）的收費為15元，而DeepSeek僅收0.55元。而柏克萊團隊的研究結果表明，開發高性能AI模型所需的成本，可以僅是領先AI公司所投入資金的極小比例。本報訊
