在數(shù)字化時代，人工智能（AI）正以前所未有的速度改變著我們的工作和學習方式。然而，對于許多用戶來說，AI技術(shù)的使用仍然存在諸多門檻。排隊等待、復(fù)雜的云部署、高昂的成本……這些都讓AI的普及之路顯得有些艱難。但現(xiàn)在，這一切正在悄然改變。騰訊旗下的智能工作臺 ima.copilot（簡稱 ima）通過接入 DeepSeek-R1 模型，為用戶帶來了一種全新的、免費且強大的AI體驗。

一、ima：智能工作臺的全新升級

ima.copilot 是騰訊于2024年10月推出的一款以知識庫為核心的AI智能工作臺。它集搜索、閱讀、寫作功能于一體，旨在幫助用戶提升日常學習和工作的效率。該平臺能夠輔助用戶完成各種任務(wù)，并將積累的內(nèi)容長期沉淀為個人智能化的知識庫。此外，ima還支持將知識庫進行分享，方便團隊協(xié)作和知識共享。

此次技術(shù)升級后，用戶將 ima 更新至最新版本，就可以在使用搜索、閱讀、寫作和知識庫管理等功能時，自由選擇騰訊混元大模型或 DeepSeek-R1 模型。這種靈活的選擇機制讓用戶能夠根據(jù)自己的需求和偏好，獲得更豐富的使用體驗。

二、DeepSeek-R1：技術(shù)突破與強大性能

DeepSeek-R1 是一個備受矚目的AI研究項目，其在技術(shù)突破和應(yīng)用場景方面都取得了顯著進展。以下是其關(guān)鍵技術(shù)和應(yīng)用領(lǐng)域的亮點：

（一）計算最優(yōu)的Test-Time Scaling (TTS)

TTS是一種優(yōu)化技術(shù)，旨在通過動態(tài)調(diào)整模型的計算資源，提升其在特定任務(wù)上的表現(xiàn)。上海AI Lab的周伯文團隊在這一領(lǐng)域取得了重要突破。他們發(fā)現(xiàn)，TTS在某些數(shù)學任務(wù)上優(yōu)于傳統(tǒng)的長CoT（Chain of Thought）方法。例如，在MATH-500和AIME2024等數(shù)學競賽中，TTS方法展現(xiàn)出了顯著的優(yōu)勢。具體而言，7B參數(shù)的 DeepSeek-R1-Distill-Qwen 反超了671B參數(shù)的R1滿血版，甚至0.5B模型在某些任務(wù)上超越了GPT-4o。

然而，TTS在更復(fù)雜的任務(wù)上仍有提升空間。例如，在AIME24等高難度數(shù)學競賽中，TTS的性能尚未達到理想水平。研究團隊指出，進一步優(yōu)化監(jiān)督機制將是未來提升TTS性能的關(guān)鍵方向。

（二）強化學習與知識蒸餾結(jié)合

強化學習（Reinforcement Learning，RL）和知識蒸餾（Knowledge Distillation）是AI領(lǐng)域中的兩種重要技術(shù)。UC伯克利團隊將這兩種技術(shù)相結(jié)合，對1.5B參數(shù)的 DeepScaleR-1.5B-Preview 模型進行了微調(diào)。結(jié)果顯示，僅用4500美元的成本，該模型在AIME2024競賽中的表現(xiàn)就超越了o1-preview。

這種技術(shù)結(jié)合的核心在于“先短后長”的訓練策略。團隊首先在較短的上下文長度（8K）上訓練模型，隨后逐步擴展到更長的上下文長度（24K）。通過這種方式，模型不僅能夠更好地適應(yīng)復(fù)雜的任務(wù)，還能在推理過程中展現(xiàn)出更強的能力。此外，知識蒸餾技術(shù)的引入進一步提升了模型的效率和性能。

（三）本地化推理與成本優(yōu)化

本地化推理是AI技術(shù)普及的關(guān)鍵一步。清華大學KVCache.AI團隊通過 KTransformers 開源項目，成功實現(xiàn)了在本地設(shè)備上運行 DeepSeek-R1 的能力。這一項目通過優(yōu)化顯存使用和計算效率，使得即使在低配置硬件上，也能進行高效的推理。

具體而言，KTransformers項目采用了基于計算強度的offload策略、MLA算子優(yōu)化以及MoE（Mixture of Experts）稀疏性利用等技術(shù)。這些優(yōu)化手段使得 DeepSeek-R1 滿血版（671B MoE架構(gòu)）能夠在24G顯存的4090顯卡上運行，預(yù)處理速度達到286 tokens/s，推理速度為14 tokens/s。

與此同時，Unsloth AI項目通過GRPO（Gradient-based Progressive Optimization）訓練方法，大幅降低了 DeepSeek-R1 推理的內(nèi)存需求。經(jīng)過優(yōu)化后，僅需7GB VRAM即可在本地運行推理模型（如Qwen2.5 1.5B），極大地降低了使用門檻。這一進展使得更多研究者和開發(fā)者能夠在本地設(shè)備上進行實驗，推動了AI技術(shù)的廣泛應(yīng)用。

三、ima多平臺支持與高效工作體驗

ima.copilot 的一大亮點是其多平臺支持的設(shè)計。目前，該平臺已上線Windows端、Mac端，并推出了“ima知識庫”微信小程序。用戶可以通過訪問 ima 官網(wǎng)下載使用，也可以通過微信搜索“ima知識庫”小程序，體驗全網(wǎng)搜索和知識庫問答。

例如，當你在瀏覽微信公眾號上的文章時，可以輕松地將其導入小程序的知識庫。隨后，你可以在小程序中提出問題， ima 會立即調(diào)用混元大模型或 DeepSeek-R1 為你提供答案。這種無縫銜接的體驗，不僅節(jié)省了時間，還提升了工作效率。

四、如何快速在ima.copilot上使用DeepSeek-R1模型

（一）更新ima至最新版本

1. Windows端：

2. 訪問 imat官網(wǎng)。

3. 下載并安裝最新版本的Windows客戶端。

4. 安裝完成后，打開軟件并登錄賬號。

（二）切換至DeepSeek-R1模型

1. 進入功能界面：

2. 打開 ima后，進入搜索、閱讀、寫作或知識庫管理等功能界面。

3. 在功能界面中，找到模型選擇的下拉框。

4. 選擇DeepSeek-R1模型：

5. 在下拉框中選擇“DeepSeek-R1”。

6. 確認后，即可開始使用 DeepSeek-R1 模型進行相關(guān)操作。

（三）使用DeepSeek-R1模型的功能

1. 搜索功能：

2. 在搜索框中輸入問題或關(guān)鍵詞。

3. DeepSeek-R1 會基于其強大的語義理解能力，提供精準的搜索結(jié)果。

4. 閱讀功能：

5. 上傳需要閱讀的文檔（支持PDF、DOC、JPEG、PNG等格式，最多10個文件）。

1. DeepSeek-R1 可以快速提取關(guān)鍵信息并生成結(jié)構(gòu)化的總結(jié)。

2. 寫作功能：

3. 在寫作界面中輸入主題或內(nèi)容。

4. DeepSeek-R1 能夠輔助生成高質(zhì)量的文案、論文或作文。

5. 知識庫管理：

6. 將提取或生成的內(nèi)容添加到知識庫。

7. 利用 DeepSeek-R1 的強大推理能力，對知識庫中的內(nèi)容進行深度分析。

五、免費體驗，開啟智能工作之旅

此次 ima.copilot 接入 DeepSeek-R1，不僅為用戶帶來了更強大的AI能力，還完全免費開放。無論你是學生、研究人員還是職場人士，都可以通過 ima.copilot 體驗到前沿的AI技術(shù)，提升工作和學習效率。

六、未來展望

隨著技術(shù)的不斷進步，ima和 DeepSeek-R1 將持續(xù)優(yōu)化和升級。未來，它們可能會進一步整合更多功能，如多模態(tài)推理、跨領(lǐng)域應(yīng)用等，為用戶提供更全面的智能支持。

騰訊智能工作臺 ima的此次升級，為用戶帶來了免費且強大的AI體驗。如果你還在為繁瑣的工作任務(wù)或復(fù)雜的寫作需求而煩惱，不妨試試 ima，開啟你的智能工作之旅。

純個人經(jīng)驗，如有幫助，請收藏點贊，如需轉(zhuǎn)載，請注明出處。