出品 | 搜狐科技

作者 | 梁昌均

在DeepSeek-V3模型更新兩個月后，DeepSeek-R1也迎來低調(diào)升級。

5月29日晚，DeepSeek在公眾號正式發(fā)文披露DeepSeek-R1升級為DeepSeek-R1-0528，并發(fā)布官方測評。

此次更新后的新模型思考更深，推理更強，主流基準(zhǔn)測評在國內(nèi)所有模型中首屈一指，整體表現(xiàn)接近OpenAI的o3、谷歌的Gemini-2.5-Pro等國際頂尖模型。

前一天晚間，DeepSeek官方在用戶交流群中宣布R1推理模型完成小版本試升級，29日凌晨則在開源社區(qū)公開了模型及權(quán)重，并陸續(xù)更新了模型卡等更多信息。

這次低調(diào)的更新在海內(nèi)外開發(fā)者社區(qū)和社交平臺仍引發(fā)不小關(guān)注。綜合多位網(wǎng)友體驗，DeepSeek-R1-0528在編程、邏輯推理、交互能力等方面均有顯著提升。

“這個小升級實際上是一個重大的飛躍”，這是不少人的實測體驗。隨著DeepSeek-R1新模型登頂全球最強開源模型，網(wǎng)友們也紛紛發(fā)問：DeepSeek-R2，還有多遠(yuǎn)？

整體性能接近o3，幻覺率降低45%-50%

DeepSeek發(fā)布的測評結(jié)果顯示，更新后的R1模型在數(shù)學(xué)、編程與通用邏輯等多個基準(zhǔn)測評中取得了當(dāng)前國內(nèi)所有模型中首屈一指的優(yōu)異成績，并在整體表現(xiàn)上已接近其他國際頂尖模型，如o3與Gemini-2.5-Pro。

官方公布的測試顯示，DeepSeek-R1-0528在數(shù)學(xué)競賽、科學(xué)、代碼生成和編輯，以及推理與百科知識等主流基準(zhǔn)上的表現(xiàn)，相較DeepSeek-R1均有明顯提升。

DeepSeek提到，相較于舊版R1，新版模型在復(fù)雜推理任務(wù)中的表現(xiàn)有了顯著改進。如在數(shù)學(xué)測試AIME 2025中，準(zhǔn)確率由70%提升至87.5%，這得益于模型在推理過程中的思維深度增強。

在該測試中，舊版模型平均每題使用12K tokens，而新版模型平均每題使用23K tokens，表明其在解題過程中進行了更為詳盡和深入的思考。

更為重要的是，DeepSeek-R1-0528在這六大基準(zhǔn)測試中均超過阿里的Qwen3-235B，數(shù)學(xué)和代碼生成能力也超過谷歌Gemini-2.5-Pro-0506。但整體來看，該模型與o3相比仍還有微弱差距。

其它更新方面，新版DeepSeek-R1針對幻覺問題進行了優(yōu)化。此前，在Vectara HHEM人工智能幻覺測試（通過檢測語言模型生成內(nèi)容是否與原始證據(jù)一致，從而評估模型的幻覺率）中，DeepSeek-R1幻覺率為14.3%，是DeepSeek-V3的近4倍，也遠(yuǎn)超行業(yè)平均水平。

與舊版相比，此次更新后的模型在改寫潤色、總結(jié)摘要、閱讀理解等場景中，幻覺率降低45%-50%左右，能夠有效地提供更為準(zhǔn)確、可靠的結(jié)果。

在創(chuàng)意寫作方面，更新后的R1模型針對議論文、小說、散文等文體進行了進一步優(yōu)化，能夠輸出篇幅更長、結(jié)構(gòu)內(nèi)容更完整的長篇作品，同時呈現(xiàn)出更加貼近人類偏好的寫作風(fēng)格。

DeepSeek-R1-0528還支持工具調(diào)用（不支持在thinking中進行），其在Tau-Bench測評成績?yōu)锳irline 53.5% / Retail 63.9%，與OpenAI-o1-high相當(dāng)，但與o3-High及Claude 4 Sonnet 仍有差距。

Tau-Bench是OpenAI董事會主席布雷特·泰勒（Bret Taylor）創(chuàng)辦的公司Sierra推出的評估AI智能體在復(fù)雜現(xiàn)實任務(wù)中與用戶和工具交互的能力，主要設(shè)計了Retail（零售場景）和Airline（航空場景）兩個垂直領(lǐng)域的評測。

此外，新版R1 API仍支持查看模型思考過程，同時增加了Function Calling和JsonOutput的支持。Function Calling也就是函數(shù)調(diào)用，是一種允許AI模型在特定任務(wù)中調(diào)用預(yù)定義函數(shù)或API的機制，用于增強模型的處理能力和功能，是大模型與外部世界交互的關(guān)鍵技術(shù)。

OpenAI的GPT模型、百度文心模型等主流模型均支持Function Calling。這也意味著，DeepSeek-R1-0528模型將增強與外部工具交互的能力，有助于智能體應(yīng)用開發(fā)。

DeepSeek還表示，DeepSeek-R1-0528在前端代碼生成、角色扮演等領(lǐng)域的能力也均有更新和提升。

在代碼能力方面，代碼測試平臺Live CodeBench顯示，在最近一年內(nèi)的模型評測中，DeepSeek-R1-0528性能僅次于OpenAI在4月發(fā)布的o4 mini和o3-high版本。

在模型上下文長度方面，R1新模型在官方網(wǎng)站、小程序、App端和API中的模型上下文長度仍為64K。如果用戶對更長的上下文長度有需求，可以通過其他第三方平臺調(diào)用上下文長度為128K的開源版本R1-0528模型。

DeepSeek還對DeepSeek-R1-0528進行了蒸餾，通過蒸餾該模型的思維鏈后訓(xùn)練Qwen3-8B Base，得到了DeepSeek-R1-0528-Qwen3-8B，且仍具備比較強大的推理能力。

比如，該模型在數(shù)學(xué)測試AIME 2024中的表現(xiàn)僅次于DeepSeek-R1-0528，阿里超過的Qwen3-8B和Qwen3-32B，以及微軟的Phi-4-14B等模型，與參數(shù)更大的Qwen3-235B相當(dāng)。

“我們相信，DeepSeek-R1-0528的思維鏈對于學(xué)術(shù)界推理模型的研究和工業(yè)界針對小模型的開發(fā)都將具有重要意義?！盌eepSeek表示。

目前，該模型目前已在魔搭社區(qū)和HuggingFace開源，沿用寬松的MIT License 許可，DeepSeek-R1系列（包括Base和Chat）都支持商業(yè)使用和蒸餾。

“這是開源的又一次巨大勝利”，“開源的另一個里程碑”，有開發(fā)者評論到。

DeepSeek行業(yè)地位和谷歌拉平，重回全球開源巔峰

雖然DeepSeek官方稱這次是小版本升級，但依然在國內(nèi)外社區(qū)引發(fā)不小關(guān)注。

專注于AI基準(zhǔn)測試和分析的獨立平臺Artificial Analysis發(fā)文表示，DeepSeek最新模型超越xAI、Meta和Anthropic，與谷歌并列成為世界第二領(lǐng)先的AI實驗室，并成為無可爭議的開源領(lǐng)導(dǎo)者。

該機構(gòu)稱，DeepSeek-R1-0528在Intelligence Index（涵蓋通用能力、數(shù)學(xué)、科學(xué)、代碼等七項主流基準(zhǔn)測試）中的得分從60躍升至68，這一增長幅度與OpenAI的o1到o3（從62到70）的提升相當(dāng)。

根據(jù)該機構(gòu)發(fā)布的最新排名，DeepSeek-R1-0528綜合智能水平超過了Anthropic的Claude4-Sonnet、阿里的Qwen 3-253B、谷歌Gemini 2.5 Flash、xAI的Grok 3 mini （high）等推理模型，與谷歌Gemini 2.5 Pro持平，與OpenAI的o3和o4-mini（high）僅有兩分之差，奪回全球最強開源模型的地位。

過去幾年，全球最領(lǐng)先的模型在OpenAI、Gemini、Grok等模型中輪換，有網(wǎng)友稱現(xiàn)在又輪到了DeepSeek了。

Artificial Analysis還透露，DeepSeek-R1-0528在完成該項評估時使用了9900萬tokens，比最初R1的7100萬tokens多出40%，即新版模型思考時間更長。“但這不是我們見過的最高token使用量，Gemini 2.5 Pro的token使用量比R1-0528還多出30%?！?/p>

不少網(wǎng)友在實測中也感受到該模型的思維鏈變得更長，推理思考更有深度，部分復(fù)雜任務(wù)甚至耗時可達30分鐘至60分鐘，這也引發(fā)了其過度思考的質(zhì)疑。

“希望可以控制思考程度，不然實用性有點低，在各種場景里用起來挺麻煩。”有開發(fā)者提到。

該機構(gòu)還認(rèn)為，DeepSeek-R1-0528的進步帶來了三個重要啟示。一是開源與閉源模型的差距縮小，開源模型一直保持著與專有模型相當(dāng)?shù)闹悄芴嵘?/p>

二是這反映出中美之間AI競爭激烈，中國AI實驗室的模型幾乎完全趕上了美國同行，這一模型的發(fā)布延續(xù)了這一趨勢。

三是強化學(xué)習(xí)推動改進，DeepSeek在保持原有架構(gòu)和預(yù)訓(xùn)練的情況下，通過強化學(xué)習(xí)技術(shù)實現(xiàn)了顯著的智能提升。

OpenAI此前披露，o1到o3的強化學(xué)習(xí)計算量增加了10倍，而DeepSeek已經(jīng)證明他們能夠跟上OpenAI的強化學(xué)習(xí)的計算量增長。

“與預(yù)訓(xùn)練相比，擴大強化學(xué)習(xí)的規(guī)模所需的計算量更少，這是一種實現(xiàn)智能提升的高效方式，對于計算資源較少的AI實驗室來說尤其有價值?！?/p>

后訓(xùn)練推理和高質(zhì)量數(shù)據(jù)共同發(fā)力，R2還有多遠(yuǎn)？

很大程度來說，R1新模型的改進很大程度仍歸功于DeepSeek在后訓(xùn)練上的進一步優(yōu)化。

根據(jù)DeepSeek的說法，DeepSeek-R1-0528是以2024年12月所發(fā)布的DeepSeek V3 Base模型作為基座，通過在后訓(xùn)練過程中投入更多算力和引入算法優(yōu)化機制，從而顯著提升了模型的思維深度與推理能力。

此前，DeepSeek創(chuàng)始人梁文鋒署名的團隊發(fā)布了新論文，以DeepSeek-V3為代表，深入解讀了DeepSeek在硬件架構(gòu)和模型設(shè)計方面的關(guān)鍵創(chuàng)新，包括內(nèi)存優(yōu)化、算力優(yōu)化、通信優(yōu)化和算力加速，從而為實現(xiàn)具有成本效益的大規(guī)模訓(xùn)練和推理提供了思路。

有AI從業(yè)者表示，DeepSeek-R1-0528此次依然是基于原來的V3的基模進行訓(xùn)練，但性能提升明顯，而且蒸餾的小模型還能打敗更大模型，證明了后訓(xùn)練的無限潛力。

“強化學(xué)習(xí)是一種提高AI性能的強大技術(shù)，它的計算成本也很高。但Deepseek在強化學(xué)習(xí)驅(qū)動的改進方面的成功表明，擴展強化學(xué)習(xí)可能比擴展預(yù)訓(xùn)練更有效?！?/p>

國內(nèi)頭部大模型核心算法研究員AI Dance還對搜狐科技提到，此次R1新模型改進比較明顯的是代碼能力，還離不開高質(zhì)量的數(shù)據(jù)。

“DeepSeek-R1-0528成功的范式，關(guān)鍵在于更多更高質(zhì)量的后訓(xùn)練數(shù)據(jù)，而不是迷信推理模式。這不意味著強化學(xué)習(xí)推理完全沒用，二者不是非此即彼，而是迭代提升。推理模式提供思考框架，高質(zhì)量數(shù)據(jù)提供了具體的知識和經(jīng)驗，兩者結(jié)合才能達到最好效果。”

該人士認(rèn)為，現(xiàn)在大家都在卷推理，但忽略了數(shù)據(jù)質(zhì)量這個更樸素的東西。DeepSeek-R1-0528此次給大家也提了個醒，即高質(zhì)量的后訓(xùn)練數(shù)據(jù)的邊際收益很高。

兩個月前，DeepSeek宣布V3模型更新升級到DeepSeek-V3-0324，其在編程能力、數(shù)學(xué)推理、創(chuàng)造性任務(wù)等方面進一步優(yōu)化，當(dāng)時被評為全球“最強非推理模型”。

此次隨著R1模型也迎來更新，再次引發(fā)網(wǎng)友對R2的關(guān)注。“這不是個小升級，現(xiàn)在看來暫時不會看到R2”，前述研究員也預(yù)測可能要等V4發(fā)布后才會有R2。

目前在社區(qū)平臺有不少關(guān)于R2的消息流出，包括參數(shù)規(guī)模將翻倍提升到1.2萬億，成本將大幅下降，預(yù)計今年第三季度推出。不過，這些消息未得到DeepSeek官方證實。

DeepSeek方面最新在用戶群中表示，目前暫不對外進行項目合作，不提供私有化部署及相關(guān)支持服務(wù)，并表示“將集中研發(fā)精力奉上更強的模型，敬請期待”。這意味著DeepSeek依然不考慮商業(yè)化，而是專注研發(fā)。

網(wǎng)友們也似乎總結(jié)出DeepSeek的發(fā)布規(guī)律：逢重要節(jié)假日前更新。下一個重要節(jié)假日是重合在一起的中秋和國慶，看看屆時DeepSeek又會放出什么大招吧。