Perplexity 开源 R1 1776：去除审查限制，推理性能不减

R1 1776 是 Perplexity 基于 DeepSeek-R1 打造的去审查开源推理模型。它专门用来解决原版在政治敏感话题上的回避与偏见，同时完整保留了原版顶尖的数学与逻辑推理能力。

它能做什么

原版 DeepSeek-R1 的推理水平已经能直接对标 OpenAI 的 o1 和 o3-mini，但在涉及特定敏感话题时，往往会避而不谈，或者直接给出带有特定偏向的叙事口径。

R1 1776 就是为了抹平这个短板。官方评测显示，在完成去审查处理后，它在各类敏感议题上能给出客观、事实性的回答，而在原版最擅长的严密推理和数学任务中，表现与原版基本持平，没有任何明显缩水。

怎么做到的

Perplexity 并没有从头重训模型，而是通过一套定制的后训练流程来给 R1 解除限制。

团队先梳理出了约 300 个受限制的敏感话题，并开发了一套多语言审查分类器，在确保用户隐私和知情同意的前提下，收集整理出包含 4 万条多语言提示词的数据集。

随后，他们利用英伟达的 NeMo 2.0 训练框架，在这个专有数据集上对模型完成了后训练微调。

去哪里试

目前 R1 1776 的完整模型权重已经开源，可以直接在 Hugging Face 页面免费下载部署。

如果你不想自己折腾本地硬件，也可以直接通过 Perplexity 官方的 Sonar API 调用这款模型。

为什么重要

对于需要处理历史、政治或社科类复杂议题的研究人员、记者和开发者来说，R1 1776 提供了一个既具备第一梯队推理实力、又不会动辄拒答的开源底座。

过去开源社区做去审查微调时，往往容易牺牲模型的通用智能和数理逻辑。Perplexity 这次证明了，依靠高质量的多语言对抗数据集和针对性的后训练，完全可以在拆掉限制的同时守住顶尖推理水准。