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
以下文章来源于微信公众号：Datawale
作者：新智元
链接：https ://mp. weixin.qq. com/s/LQKZWv7R0FZUAj8iyqHhEg
本文仅用于学术分享，如有侵权，请联系后台作删文处理
导读
DeepSeek-R1-0528重磅开源，时隔四个月实现飞跃升级。思考更缜密，编程更强悍，长时推理表现惊艳，全面对标SOTA开源模型，堪称开源圈的又一巅峰之作。
就在昨天凌晨，新版DeepSeek-R1正式开源了！
DeepSeek-R1-0528模型权重已上传到HuggingFace，不过模型卡暂未更新。
项目地址：https ://huggingface. co/deepseek-ai/DeepSeek-R1-0528/tree/main
时隔4个月，DeepSeek-R1完成了超进化，编码能力强到离谱，而且思考时间更长了。
据称，新模型基于DeepSeek-V3-0324训练（参数为660B）。
经典物理模拟测试中，DeepSeek-R1新旧版本的对比
在LiveCodeBench基准上，DeepSeek-R1-0528性能几乎与o3-mini（High）和o4-mini（Medium)实力相当，一举超越了Gemini2. 5Flash。
有网友称赞，DeepSeek-R1能够像o3一样纠正思维链，并且像Claude一样创造性进行世界构建。
可以说，这是属于开源模型的巨大胜利！
01
不用R2，直接对标SOTA
此次，DeepSeek-R1-0528更新核心亮点，网友做了一个浓缩版的总结：
能像谷歌模型一样深度推理
文本生成优化：更自然，格式更佳
独特的推理风格：不仅快，而且更缜密
支持长时思考：单任务处理时长可达30-60分钟
思考时间更长，成为了全网讨论最多的一点。有网友实测后，R1思考时长超过了25分钟。
另外，这似乎是唯一一个能持续正确做对「9. 9-9. 11是多少」的模型。
1. 编程能力强到爆
网友实测显示，新版DeepSeek-R1在编程方面简直不可思议！
AI圈大佬「karminski-牙医」用同一个prompt测试了DeepSeek-R1-0528和Claude4Sonnet后发现。
不管是光线照射在墙上形成的漫反射，还是球在撞击后的运动方向，亦或是控制面板的美观程度，这一把R1稳赢。
网友Alex的测试也显示出，DeepSeek-R1在前端编码的能力上超越了Claude4Sonnet。
网友Haider. 则是让模型构建一个单词评分系统。R1简要思考后，就立刻出了关于代码和工作测试的两个文件，第一次运行就完美无瑕。
此前，o3是唯一能完成这个任务的模型。而如今，R1堪称是完成这个任务的最佳模型。
注意，R1的表现之所以如此惊人，是因为它返回的两个文件在第一次都能运行良好，不用编辑，不用重试，这极其少见。
因为此前的大多数模型，要么会在边缘情况下终端，要么会做得太复杂，要么缺少适当的测试覆盖率。
2. 和Gemini高能PK
还有人将DeepSeek-R1与Gemini2. 5Pro进行了对标。同一个提示下，它们各自的表现如何？
首先是深度研究的能力，给出「研究微剂量服用裸盖菇素对长期认知的影响，需引用学术来源」提示。
这一把Gemini的响应更快，引用了可靠的研究文献，并且答案结构清晰。
再来看看它们搜索+对比能力如何？提示模型用实时来源列出全民基本收入（UBI）的五大优点和缺点。
这时，Gemini2. 5Pro和DeepSeekR1表现都不错，打成平手。
Prompt:Listtop5pros/consofUniversalBasicIncomeusinglivesources.
上下滑动查看
再让模型为AISaaS工具制定TikTok增长策略，两款模型再次打成平局。
在智能体任务规划方面，让Gemini和DeepSeek一同设计一个完整的市场调研智能体，包含工具链、用户角色和流程交接，结果是Gemini生成一张信息图，而DeepSeek稍逊一筹。
由此，大家对DeepSeek-R2的期待值也是拉满了。
3. 一手实测来了
新版DeepSeek-R1的能力经过我们实测，虽然是一次「小版本」更新，但是性能得到了「史诗级」的加强。
尤其是编程能力，感觉已经超过或者足以媲美Claude4和Gemini2. 5Pro，可以说所有提示都是「一把过」，不需要任何修改！并且可以在网页端直接运行，展示效果。
首先是制作一个「新智元」字体在宇宙中旋转的3D动画，完成度相当之高。
对于简单任务，DeepSeek-R1的思考时间明显缩短，不再像以前对简单任务也疯狂思考。
设计一个新智元的官方网站，对于这种相对容易的任务，DeepSeek-R1-0528只需要10s的思考时间。
能够明显感觉到，这次DeepSeek-R1新版本的思考过程更加稳定。
以模拟一个太阳系运行为例，还要求行星比例大小与实际相同，能看到DeepSeek-R1-0528的思考过程已经趋近于「完美」。
最后，再给DeepSeek-R1-0528上点强度，要求演示篮球落地后的弹跳过程，并且要完美遵循现实中物理规律。
最终DeepSeek的成果还贴心的设计了参数控制面板，以及速度方向指示，是真的很强，以上所有代码都是提示之后一遍过，没有任何的Debug过程。
对于类似「华容道」的多步骤思考问题，DeepSeek-R1-0528的表现也非常完美，
比如「一位农夫要带一只狐狸、一只鹅和一袋豆子过河。船每次只能载他和一样物品。如果农夫不在场，狐狸会吃掉鹅，鹅会吃掉豆子。请问农夫该如何安排过河，才能确保所有物品安全？」这种复杂推理问题，DeepSeek-R1还可以给出核心问题所在。
最令我感到震惊的是，这次的「思考」能力似乎进行了秘密加强。
我给他了一个非常无厘头的族谱问题：「我的妈妈的爸爸的儿子的侄女的孙子的爷爷的舅舅的外孙女的姑姑，是我的谁，你能画出关系族谱图吗?」
以下过程经过3倍加速，可以看到DeepSeek-R1真的在通过数学的符号化方式在进行思考。
并且最后还真让他分析出了结果，简直震惊！这么长的思考链条都没有断。
另外值得一提的是，这次的思考过程并没有遇到服务算力不够的情况，看来DeepSeek有针对性的提高了算力，毕竟现在是模型刚发布后的高峰「测评」期。
参考资料：
https ://chat. deepseek.com/
https ://x. com/i/status/1927770337170592033
https ://x. com/Yuchenj_UW/status/1927828675837513793
https ://x. com/chetaslua/status/1927716608384094545
https ://x. com/AiBattle_/status/1927824419478536405
欢迎加入《AI未来星球》，一起成长
扫描下方二维码即可加入~
你可以获得什么？
1、大白之前花费10W+购买，AI行业各场景私有数据集下载，星球内倾情分享；2、AI行业研发、产品、商业落地问题咨询（目前AI公司创业中），都可获高质量解答，有效期一年，无限次提问，有问必答。3、定期邀请AI行业各类嘉宾分享，创业/商业等方面的经验！
帮助你解决遇到的实际问题，升职加薪！
大家一起加油！
