一、R1 解决的是一件什么事

普通对话模型是"看完问题直接给答案"，R1 走的是"先推理再回答"的路线：在给出结论前先展开一段思考过程，再收束成答案。这条路线在数学、代码、自然语言推理这类"要绕几步才能到"的任务上，表现和 OpenAI o1 正式版基本齐平。

技术上，它是在后训练阶段大规模用强化学习，在标注数据极少的情况下把推理能力抬上去的。这一点对普通用户没直接意义，但解释了一个现象：你问它一道绕弯的题，它不会急着开口。

二、四种用法，按上手成本排序

三、价格：算一次真实成本

API 定价是每百万输入 tokens 1 元（缓存命中）/ 4 元（缓存未命中），每百万输出 tokens 16 元。放到具体场景里：一篇三千字的文章大约两三千 tokens，处理一百篇的成本是几块钱的量级；真正贵的是长文档批处理和大量输出。

省钱的关键在"缓存命中"这四个字：同一段长材料反复追问（比如一份合同问十个问题），第一次按 4 元计，之后命中缓存只按 1 元计。把长材料放前、问题放后，成本能差出好几倍。

四、开源与商用：能做什么、不能想当然

模型权重统一用 MIT License，完全开源、不限制商用、无需申请。产品协议里也明确写入：允许用户利用模型输出、通过蒸馏等方式训练其他模型。同时官方开源了 R1-Zero 与 R1 两个 660B 模型，并用 R1 的输出蒸馏出 6 个小模型，其中 32B 和 70B 在多项能力上对标 o1-mini。

要提醒的是：协议宽松不等于没有边界。你拿模型生成的内容对外发布，内容本身的责任（侵权、虚假信息、行业合规要求）仍在使用者身上。

五、什么时候该用它，什么时候别用

• 该用：多步推理、代码调试、数学题、需要"讲清理由"的分析类任务。
• 不必用：改个措辞、翻译一句短句、写个通知——这类任务普通模型更快更便宜，开思考模式反而慢。
• 小心用：需要最新事实的问题。推理能力强不代表知道昨天发生了什么，时效性内容仍要自己核。

六、一条实用建议

如果你只是想在手机上试试，别研究参数——打开 App 的"深度思考"模式，拿一道你工作里真正卡住的问题去问（比如一段逻辑不通的合同条款、一段报错的代码），对比一下开与不开的差别。这个体感比看十篇评测都准。