“我倒是希望代码出bug了，看看这篇文章吧。”他将屏幕转动了一下，让其他人能看得清上面的论文题目。

“r1:redefiningcost-performancetradeoffsinlarge-scalelanguagemodels？”

旁边的同学sarah搜了一下，果然找到了这篇刚刚发布不久的文章。

“这是哪个公司的成果吗？”因为作者的名单上长长一串一般只有公司的文章才会这样。

“就是deepseek，之前他们不是发过一个v3版本的论文吗？当时老板还让我们看过，你不记得了？”

“哦~好像有点印象，怎么，这篇r1有很大的提升吗？”他一边说着一边看向下面的摘要部分。

“reinforcementlearning（强化学习）？这不是和我们现在做的方向一样吗？”不过当他看到第一张图片的时候不由得歪了歪脑袋，发出了同样的惊呼：“holy*&#$？真的假的？”

图片上面显示了，其效果几乎和gpt-o1持平，而且文中写到了其推理成本的二十分之一还不到。

leo苦笑着摇头“不知道，我希望是假的，但我感觉应该是真的。”

搞科研最为悲伤的事情之一——你有了一个很好的idea，并且已经做了一段时间，就在快要有成果的时候，却发现人家已经做出来了，而且比自己做的更好。

好消息：llm有了新的突破，坏消息：你论文白写了。

“哎~没办法，我再看看吧，如果是真的，估计老板肯定会要求我们复现的。”

“说的也是。”

和他们一样反应还有很多人，公司的工程师们，高校的学生老师，对搞科研的人来说熬夜是常态，所以哪怕论文是在夜里发的也有很多人看到了这篇文章。

仅仅是论文发布后的第二天，各个视频网站或者学术论坛上就涌现出了不少针对r1的解读。

之后几天，随着不断有人成功复现出deepseek，谷歌、meta等大厂的ai部门负责人连夜召集紧急会议。

因为deepseek的低成本将有可能会直接威胁到所有依赖高收费模式的云服务和ai公司的盈利预期。

很快，市场上谣言四起，比如什么多家云服务提供商正在紧急重新谈判未来的gpu采购合同，规模可能大幅缩减。

这一类的传言难辨真假，这就导致了在极度敏感和恐慌的市场情绪下，成为了压垮骆驼的最后一根稻草。

deepseek的成功让资本市场看到了开发成本较低的强大ai模型的可能性。

27号，正好是周一，美股开盘。

周昀提前候在电脑面前，两块屏幕，一块屏幕放着电影，另一块屏幕显示着英伟达的股价。

桌上还摆着一盘小零食，他盘着腿靠在椅子上，巴适的很。

和记忆中新闻报道的一样，刚一开盘nvidia就以无可匹敌之势一路下探，除此之外，其他芯片股也集体大跌。

周昀吃着零食笑呵呵地看着下跌的股价，心里冒出一个念头，也不知道老黄现在是个什么表情。

反正他的嘴角是真的难压。', '')