从R1的升级路径来看，R2可能会在更大规模的数据、更强的算力支持下进行训练，进一步提升推理能力和泛化能力，或许会在多模态融合、更复杂任务处理等方面取得突破。
在大模型领域，竞争的浪潮从未停歇。近期，国产大模型公司深度求索（DeepSeek）发布了DeepSeek R1模型的小版本升级，版本号为DeepSeek-R1-0528。这一消息看似低调，实则在业内激起千层浪，尤其是在推理能力提升方面，展现出了令人瞩目的成果。
自诞生以来，DeepSeek凭借其独特的技术路线和对开源的坚持，在大模型领域逐渐崭露头角。早期版本的模型已经在自然语言处理的多个任务中表现出不错的潜力，吸引了众多开发者和研究人员的关注。其开源策略更是为社区注入了活力，大量开发者基于DeepSeek的模型进行二次开发和应用拓展，涵盖了智能客服、内容生成、代码辅助等多个领域。
R1升级核心亮点：思维深度与推理能力显著提升
此次升级的核心在于思维深度和推理能力的大幅跃升。DeepSeek-R1-0528依旧以2024年12月发布的DeepSeek V3 Base模型为基座，然而在后训练阶段投入了更多算力。这一举措成效显著，模型在数学、编程与通用逻辑等多个基准测评中成绩斐然，在国内模型中独占鳌头，整体表现已接近国际顶尖模型，如o3与Gemini-2.5-Pro。
在复杂推理任务的表现上，新版模型进步尤为突出。以AIME 2025测试为例，旧版模型准确率为70%，而新版跃升至87.5%。从token使用量来看，旧版模型平均每题使用12K tokens，新版则达到23K tokens ，这清晰地表明新版模型在解题时思考过程更加详尽和深入，能够处理更复杂的逻辑关系，挖掘问题的深层次内涵。
DeepSeek团队利用DeepSeek-R1-0528的思维链蒸馏训练了Qwen3-8B Base，推出的DeepSeek-R1-0528-Qwen3-8B模型在数学测试AIME 2024中，仅次于DeepSeek-R1-0528，超越Qwen3-8B达10.0%，与Qwen3-235B表现相当。这不仅体现了DeepSeek-R1-0528模型自身的强大，也为学术界推理模型研究及工业界小模型开发提供了新的思路和方法，具有重要的参考价值。
幻觉问题优化：迈向更可靠的AI交互
“幻觉”问题一直是大模型发展中的痛点。简单来说，幻觉就是模型生成的内容看似合理，但与事实不符或缺乏依据。在旧版模型中，这一问题在改写润色、总结摘要、阅读理解等场景中时有出现，影响了模型输出结果的可靠性和实用性。
而新版DeepSeek R1针对幻觉问题进行了卓有成效的优化。与旧版相比，在上述场景中，幻觉率降低了45 - 50%左右。这意味着用户在使用模型进行信息提取、内容创作等任务时，能够获得更为准确、可靠的结果。例如在进行新闻摘要生成时，旧版模型可能会出现对事件关键信息的错误表述或无中生有的内容，而新版模型则能更精准地提炼核心内容，减少这类错误的发生，大大提升了模型在实际应用中的可信度。
创意写作与工具调用能力优化
除了推理和幻觉问题的改进，新版R1在创意写作和工具调用方面也有可圈可点之处。在创意写作上，模型针对议论文、小说、散文等文体进一步优化，能够输出篇幅更长、结构内容更完整的长篇作品，写作风格也更加贴近人类偏好。无论是创作一篇逻辑严谨的议论文，还是构思一个情节跌宕的小说，新版R1都能生成更具可读性和文学性的内容，为内容创作者提供了更强大的助力。
在工具调用方面，DeepSeek-R1-0528支持工具调用（尽管目前不支持在thinking中进行工具调用）。当前模型在Tau-Bench测评成绩为airline 53.5% / retail 63.9%，与OpenAI o1-high相当，但与o3-High以及Claude 4 Sonnet仍有差距。虽然还存在提升空间，但这一能力的拓展为模型的应用场景带来了更多可能性，例如在智能办公场景中，模型可以调用各类办公软件的功能接口，实现更高效的文档处理、数据分析等任务。
开源策略持续，推动行业发展
DeepSeek团队此次依旧保持了开源的传统，新版模型的开源仓库（包括模型权重）均采用MIT License。这一举措意义深远，它允许用户自由利用模型输出、通过模型蒸馏等方式训练其他模型。对于开发者而言，这意味着更低的开发成本和更高的创新自由度。
在开源社区中，已经有众多开发者基于DeepSeek的模型进行创新应用的开发，从简单的聊天机器人到复杂的智能数据分析系统，开源的DeepSeek模型成为了创新的基石，推动整个人工智能领域的技术共享与创新发展，促进不同研究机构和企业之间的合作与交流。
用户实测反馈：代码能力获赞，写作仍需留意幻觉
从用户的实测反馈来看，新版DeepSeek R1的代码能力得到了高度认可。许多开发者表示，升级后的模型经常能直接一次生成可运行、可落地的代码，代码结构清晰，注释完整，甚至被评价有Claude 4的味道，而调用成本仅为Claude的1/3，对中小开发者十分友好。同时，模型响应敏捷，能进行长时间思考，在一些复杂编程任务中表现出色，例如在开发复杂的Web应用程序、数据分析脚本时，新版R1能够快速理解需求并生成高质量的代码框架。
然而，在写作方面，尽管模型在文体优化和篇幅控制上有进步，但幻觉问题仍然存在。部分用户在使用模型撰写论文时发现，即使在打开联网搜索、基于真实材料分析的前提下，模型仍可能出现捏造数据、错误标注信息源时间等问题。这也提醒用户，在使用模型进行写作时，尤其是对内容准确性要求极高的场景，仍需仔细核查，不能完全依赖模型输出。
与国际竞品对比：各有所长，差距缩小
与国际上的顶尖模型如OpenAI的o3、谷歌的Gemini-2.5-Pro以及Anthropic的Claude 4相比，DeepSeek-R1-0528在数学和编程推理方面已迎头赶上，部分测试成绩甚至超越部分竞品。例如在LiveCodeBench基准测试中，R1-0528超越了O3-Mini，几乎与O3（High）评分相当，展现出强大的编程能力 。在Extended NYT Connections基准测试中，虽然尚未进入OpenAI o系列模型占据的第一梯队，但相比前一代也有了显著提升。
在综合性能上，DeepSeek-R1-0528与国际竞品各有所长。国际大厂的模型在多语言处理、全球知识覆盖等方面有着深厚的积累和优势，而DeepSeek-R1-0528凭借对中文语境的深入理解和在推理能力上的优化，在国内市场以及对推理要求较高的特定领域应用中具有竞争力，并且随着不断升级，与国际顶尖模型的差距正在逐步缩小。
R2期待：未来大模型进化的想象空间
此次R1的升级无疑是一次成功的迭代，但也让人们对DeepSeek的下一款重磅产品R2充满期待。从R1的升级路径来看，R2可能会在更大规模的数据、更强的算力支持下进行训练，进一步提升推理能力和泛化能力，或许会在多模态融合、更复杂任务处理等方面取得突破。例如，在图像与文本的联合理解和生成、跨领域知识融合推理等当前大模型研究的热门方向上，R2有望带来创 新性的解决方案，为用户带来更智能、更全面的AI服务体验。
DeepSeek R1的这次升级是其在大模型发展道路上的重要里程碑，展示了国产大模型在推理能力提升和实际应用优化方面的实力。随着技术的不断进步和创新，无论是R1的持续优化还是未来R2的推出，都值得我们持续关注，期待其为大模型领域带来更多的惊喜和变革，推动整个人工智能产业迈向新的高度。