Został R1 opracowany w okresie sankcji USA nałożonych na Chiny za układy scalone firmy Nvidia, których celem było ograniczenie możliwości kraju w zakresie opracowywania zaawansowanych systemów sztucznej inteligencji. Dalsze ustalenia dziennikarskie wskazują jednak, że koszty wytworzenia modelu były znacznie wyższe. 6 milionów dolarów zostało wydane na fragment prac nad modelem, a całkowite koszty są trudne do ustalenia, chociaż najprawdopodobniej i tak pozostają niższe niż w przypadku ChatGPT. Według przecieków, do uczenia modelu wykorzystano około 50 tysięcy kart Nvidia, które w związku z nałożonymi sankcjami musiały zostać pozyskane nielegalnie.
Model został oparty na automatycznym uczeniu przez wzmacnianie, bez nadzorowanego dostrajania, które pozwoliło na osiągnięcie lepszego łańcucha myśli.
20 stycznia 2025 r.