低调升级，实力暴涨！新版 DeepSeek R1，成了 o3 和 Gemini 2.5 的最强平替

AI信息Gap

于 2025-05-30 08:30:00 发布

阅读量2.2k

点赞数 10

文章标签：人工智能 chatgpt OpenAI github pdf

本文链接：https://blog.csdn.net/weixin_40774379/article/details/148321362

版权

话接上文：测完新版 DeepSeek R1，我发现它越来越像 ChatGPT 了。

昨天刚吐槽完 DeepSeek 没有更新日志，结果今天官方就正式发布了“思考更深，推理更强”的 DeepSeek R1 升级说明。

同样是开源，同样是节假日前夕（端午节），DeepSeek，总能给我们惊喜。

升级后的新模型有了正式的名字：DeepSeek-R1-0528。

新模型的命名带有强烈的 “DeepSeek” 风格，不升级大版本号，只添加更新日期。

和两个月前的 DeepSeek-V3-0324 一样。

虽然仍旧是 R1，但确实是个扎实的小版本迭代，特别是在“复杂推理”、“前端开发”、“幻觉降低”几个方向。

01｜推理更强，不是说说而已

根据 DeepSeek 官方的说明，这次 R1 升级重点强化了复杂问题下的思考深度。

最直接的体现：

在 AIME 2025 数学测试中，准确率从 70% 提升到 87.5%
每道题平均 token 使用量从 12K → 23K，翻了快一倍

什么意思？不是更快了，而是会更认真做题了（更多的 token 消耗意味着更深入、更详尽的思考）。

测试任务	旧版 R1	新版 R1-0528
AIME 2025	70.0	87.5
HMMT 2025	41.7	79.4
Codeforces-Div1	1530	1930
LiveCodeBench	63.5	73.3

从官方给出的基准测试对比结果可以看出，对比当前的“开源之王” Qwen3 235B，新版 DeepSeek R1 已经将其全面超越。

而面对全球范围内顶尖的闭源模型 o3 和 Gemini 2.5 Pro，新版 R1 也是不遑多让：和 o3 比略有差距，和 Gemini 2.5 Pro 比多项测试甚至反超，比如 AIME 2025、LiveCodeBench。

再考虑到 DeepSeek R1 的使用成本，这已经拉满的性价比又再次上了一个台阶。

02｜幻觉率下降，写作能力增强

DeepSeek 系列模型的幻觉一直是个大问题。

因为幻觉太高，就注定不太适合干一些很“正经”的事情，比如学术论文的写作。

DeepSeek 官方肯定也清楚这个问题，所以特意强调了新版 R1 在摘要、改写、阅读理解等任务中的幻觉率下降了 45-50%，这数据还是非常诱人的。

尽管在我昨天的测试中依旧有着不小的幻觉，但有提升就值得点赞。

写作类能力方面，新增对“议论文、小说、散文”等长文本风格的训练，生成结果更贴近人类喜好，篇幅也更长、更完整。

昨天我测“1000 万怎么赚”那个问题时就有感受到，回答内容更丰富、结构感更强，而且还会加 emoji，明显在向 ChatGPT 的“拟人化”风格靠拢。

03｜工具调用刚起步，API 改动需注意

除了幻觉，工具调用（Function Call）也是老版本 DeepSeek-R1 模型的老大难。

这次升级后的 R1 已经添加了对 Function Calling 和 JSON 输出格式的支持。

R1 的工具调用目前表现还在“够用”阶段，在 Tau-Bench 测评中成绩为 airline 53.5% / retail 63.9%，约等于 OpenAI o1 high，但低于目前最顶级的、能够由模型自主调用外部工具的 o3 和 Claude 4。

但好歹能用了。

并且，使用 API 的小可爱需要额外注意，max_tokens 参数现在表示 单次输出总长度（包括思考过程），默认 32K，最大 64K tokens。

04｜会教学生了？R1 蒸馏出 8B 小模型，性能对标大模型

这次更新还有一个特别有意思的细节：DeepSeek 用新版 R1 的“思维链”去蒸馏了一版 Qwen3-8B 小模型，命名为：

DeepSeek-R1-0528-Qwen3-8B

然后在数学测试 AIME 2024 上，这个只有 8B 的小模型，表现超过 Qwen3-8B 本体，还接近 Qwen3-235B 思维版，妥妥一波“以大教小”。

这说明新版 R1 在“思维链演示”和“教学价值”上，已经具备了高质量“教师模型”的基础。

05｜部署与使用资源

如果你想自己部署或深入接入新版 R1，可以参考以下链接。

模型开源权重下载（HuggingFace）：https://huggingface.co/deepseek-ai/DeepSeek-R1-0528
官方 API 使用文档：https://api-docs.deepseek.com/zh-cn/guides/reasoning_model

结语：更聪明的 R1

如果你问我这波更新值不值得试，那我会说：很值得。

虽然不是 R2，但这次 R1-0528 的升级把原本 R1 模型的所有短板几乎都“轻补”了一遍。

它还没强到碾压 o3，但也已经不是几个月前那个“高幻觉、不会调用工具”的 R1 了。

我是木易，一个专注AI领域的技术产品经理，国内Top2本科+美国Top10 CS硕士。

相信AI是普通人的“外挂”，致力于分享AI全维度知识。这里有最新的AI科普、工具测评、效率秘籍与行业洞察。

欢迎关注“AI信息Gap”，用AI为你的未来加速。