问了深度求索的 DeepSeek-R1-Lite preview 几个问题，脑筋急转弯为主，看看模型的推理能力：

- 经典一公斤棉花和铁的问题。答对。

推理过程很有趣，第一段就提出了「题目里已经说了都是一公斤，那应该是一样重的吧。」然后马上接「可是，为什么还要问这个问题呢？可能是在测试我们的理解能力。」[允悲]

后面分析的密度、体积，包括重力加速度，其实是把可能导致出错的方向都捋了一遍，然后回归重量，一样重。

- 前段时间的 9.9 和 9.11 哪个大问题，我换成了 4.8 和 4.61，答对。

推理过程有点类似做小学数学题，只不过加上了验算，包括转换成分数再比一次。最后还强调了应该先看十分位，没问题。

- 公鸡下蛋问题，答对。

其实第一段模型已经识破了「公鸡不会下蛋，这是生物学常识」（感觉在骂人[怒]）但后面一顿推理，已经分析到了正压力、摩擦力、重力分力...

我差点以为模型推理反被推理误了，没想到最后模型又回到了常识。还准确抓住了「如果」这个假设性词汇做了补充分析，给出了一个无懈可击的答案！感觉是微博防杠文案标准了。[淡淡的]

- 马拉松排名问题，答对。

- 稍微上了点难度的绳子燃烧问题，答对。

这个比较惊讶的是，模型在推理完了的时候补了一句：「也许还有其他的方法，但这个方法已经够用了。我应该记住这个思路，下次遇到类似的问题，可以应用类似的策略。」诶你这是在和谁说？这推理过程是在自言自语吗？

- 苹果橙子推理问题，答对。

总的来说，不止是数据脑筋急转弯，很多不涉及数学的问题，DeepSeek-R1-Lite 存在明显的「验算」或是换个角度看看前面推理得对不对的过程，有一定的过度推理，说明模型现阶段对自身的推理还不太自信，考虑到还是 preview 版本，也完全在预期之内。

但整体来说，推理能力相比目前这些对话助手还是有显著增强的。

想象一下这样的强化学习迁移到智驾领域，VLA 实时推理给出的驾驶决策会有多强，这会是攻克智驾长尾场景的一个关键技术！