Perplexity 開源 R1 1776：去除審查限制，推理效能不減

R1 1776 是 Perplexity 基於 DeepSeek-R1 打造的去審查開源推理模型。它專門用來解決原版在政治敏感話題上的迴避與偏見，同時完整保留了原版頂尖的數學與邏輯推理能力。

它能做什麼

原版 DeepSeek-R1 的推理水平已經能直接對標 OpenAI 的 o1 和 o3-mini，但在涉及特定敏感話題時，往往會避而不談，或者直接給出帶有特定偏向的敘事口徑。

R1 1776 就是為了抹平這個短板。官方評測顯示，在完成去審查處理後，它在各類敏感議題上能給出客觀、事實性的回答，而在原版最擅長的嚴密推理和數學任務中，表現與原版基本持平，沒有任何明顯縮水。

怎麼做到的

Perplexity 並沒有從頭重訓模型，而是通過一套定製的後訓練流程來給 R1 解除限制。

團隊先梳理出了約 300 個受限制的敏感話題，並開發了一套多語言審查分類器，在確保使用者隱私和知情同意的前提下，收集整理出包含 4 萬條多語言提示詞的資料集。

隨後，他們利用輝達的 NeMo 2.0 訓練框架，在這個專有資料集上對模型完成了後訓練微調。

去哪裡試

目前 R1 1776 的完整模型權重已經開源，可以直接在 Hugging Face 頁面免費下載部署。

如果你不想自己折騰本地硬體，也可以直接通過 Perplexity 官方的 Sonar API 呼叫這款模型。

為什麼重要

對於需要處理歷史、政治或社科類複雜議題的研究人員、記者和開發者來說，R1 1776 提供了一個既具備第一梯隊推理實力、又不會動輒拒答的開源底座。

過去開源社群做去審查微調時，往往容易犧牲模型的通用智慧和數理邏輯。Perplexity 這次證明了，依靠高質量的多語言對抗資料集和針對性的後訓練，完全可以在拆掉限制的同時守住頂尖推理水準。