DeepSeek-R1+V3左脚踩右脚=又快又好的DeepSeek-R1T-Chimera
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
2025年4月27日，TNGTechnologyConsultingGmbH（以下简称TNGTech）通过其官方X账号发布了一则重磅消息：全新开源模型DeepSeek-R1T-Chimera正式发布。
这一模型通过创新的构建方法，将DeepSeekAI的R1模型的推理能力与V3-0324模型的高效性能相结合，展现了令人瞩目的表现。发布帖子迅速引发了技术社区的广泛关注和热烈讨论。
大家都在等DeepSeek-R2,有没有想过把DeepSeek-V3-0324变成推理模型？
来看这个新模型DeepSeek-R1T-Chimera，它基于DeepSeek-R1构建，并使用DeepSeek-V3-0324数据进行微调。
模型作者的测试结果是水平与DeepSeek-R1一样好，但是思考时间显著变短了，可以当作DeepSeek-R1加强版使用。
DeepSeekR1和V3-0324两个模型“混合产物”，通过一种新颖的构建方法（而非传统的微调或知识蒸馏）构造。Chimera模型利用了V3-0324的共享专家层，并结合了R1和V3-0324的路由专家层的定制融合，形成了独特的混合架构。
在性能测试中，DeepSeek-R1T-Chimera展现了与R1相当的智能水平，但推理速度更快，输出所需的token数量减少了40%。TNGTech在帖子中分享了一张对比图，清晰展示了Chimera在智能分数（AIME&MT-Bench）和推理成本（以R1输出token的百分比为基准）上的表现。图表中，Chimera位于R1和V3-0324之间，沿“更智能”和“更快”的方向显著优于两者，显示出其在智能与效率之间的平衡优势。
值得注意的是，TNGTech提到，他们未在这一混合模型中发现明显的缺陷。相比R1模型有时冗长且发散的推理过程，Chimera的推理和思维过程更加紧凑和有序。这种改进让技术社区对模型的潜力充满期待。
模型的权重已在HuggingFace平台上开源（尽管因故未能赶上ICLR2025的提交期限）。https ://huggingface.co/tngtech/DeepSeek-R1T-Chimera
V3-0324模型自2025年3月发布以来，因其在高性能消费硬件上的出色表现而备受关注。而R1模型则以其强大的推理能力著称。TNGTech通过创新的构建方法，将两者的优势结合，创造了一个在智能和效率上均表现优异的新模型。这种“模块化”构建方式（直接从两个父模型的神经网络组件中构造）为未来的模型开发提供了新的思路。
制作不易，如果这篇文章觉得对你有用，可否点个关注。给我个三连击：点赞、转发和在看。若可以再给我加个🌟，谢谢你看我的文章，我们下篇再见！
搭建完美的写作环境：工具篇（12章）图解机器学习-中文版（72张PNG）ChatGPT、大模型系列研究报告（50个PDF）108页PDF小册子：搭建机器学习开发环境及Python基础116页PDF小册子：机器学习中的概率论、统计学、线性代数史上最全！371张速查表，涵盖AI、ChatGPT、Python、R、深度学习、机器学习等
