职贝云数AI新零售门户

标题: 刚刚,新版DeepSeek-R1正式开源!直逼o3编程强到离谱,一手实测来了 [打印本页]

作者: xSAkNE 时间: 6 天前
标题: 刚刚,新版DeepSeek-R1正式开源!直逼o3编程强到离谱,一手实测来了

DeepSeek又末尾搞事了。

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完成了超退化，编码才能强到离谱，而且思索工夫更长了。

据称，新模型基于DeepSeek-V3-0324训练（参数为660B）。

(, 下载次数: 0)

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功能几乎与o3-mini（High）和o4-mini（Medium)实力相当，一举超越了Gemini 2.5 Flash。

(, 下载次数: 0)

有网友称赞，DeepSeek-R1可以像o3一样纠正思想链，并且像Claude一样创造性停止世界构建。

(, 下载次数: 0)

可以说，这是属于开源模型的宏大成功！

(, 下载次数: 0)
不用R2，直接对标SOTA
此次，DeepSeek-R1-0528更新核心亮点，网友做了一个稀释版的总结：

(, 下载次数: 0)

思索工夫更长，成为了全网讨论最多的一点。有网友实测后，R1思索时长超过了25分钟。

(, 下载次数: 0)

另外，这似乎是唯逐一个能持续正确做对「9.9 - 9.11是多少」的模型。

(, 下载次数: 0)

(, 下载次数: 0)

编程才能强到爆网友实测显示，新版DeepSeek-R1在编程方面几乎不可思议！
AI圈大佬「karminski-牙医」用同一个prompt测试了DeepSeek-R1-0528和Claude 4 Sonnet后发现。

不管是光线照射在墙上构成的漫反射，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。

(, 下载次数: 0)

(, 下载次数: 0)

网友Alex的测试也显示出，DeepSeek-R1在前端编码的才能上超越了Claude 4 Sonnet。

(, 下载次数: 0)

(, 下载次数: 0)

网友Haider.则是让模型构建一个单词评分系统。R1简要思索后，就立刻出了关于代码和工作测试的两个文件，第一次运转就完美无瑕。

(, 下载次数: 0)

此前，o3是独一能完成这个义务的模型。而如今，R1可谓是完成这个义务的最佳模型。

留意，R1的表现之所以如此惊人，是由于它前往的两个文件在第一次都能运转良好，不用编辑，不用重试，这极其少见。

由于此前的大多数模型，要么会在边缘状况下终端，要么会做得太复杂，要么短少适当的测试覆盖率。

(, 下载次数: 0)

和Gemini高能PK

还有人将DeepSeek-R1与Gemini 2.5 Pro停止了对标。同一个提示下，它们各自的表现如何？

(, 下载次数: 0)

首先是深度研讨的才能，给出「研讨微剂量服用裸盖菇素对长期认知的影响，需援用学术来源」提示。

这一把Gemini的呼应更快，援用了牢靠的研讨文献，并且答案结构明晰。

再来看看它们搜索+对比才能如何？提示模型用实时来源列出全民基本支出（UBI）的五大优点和缺陷。

这时，Gemini 2.5 Pro和DeepSeek R1表现都不错，打成平手。

(, 下载次数: 0)

(, 下载次数: 0)

Prompt: List top 5 pros/cons of Universal Basic Income using live sources.

上下滑动查看

再让模型为AI SaaS工具制定TikTok增长策略，两款模型再次打成平局。

在智能体义务规划方面，让Gemini和DeepSeek一同设计一个残缺的市场调研智能体，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略胜一筹。

由此，大家对DeepSeek-R2的等待值也是拉满了。

一手实测来了

新版DeepSeek-R1的才能经过我们实测，虽然是一次「小版本」更新，但是功能得到了「史诗级」的加强。

尤其是编程才能，感觉曾经超过或者足以媲美Claude 4和Gemini 2.5 Pro，可以说一切提示都是「一把过」，不需求任何修正！并且可以在网页端直接运转，展现效果。

首先是制造一个「新智元」字体在宇宙中旋转的3D动画，完成度相当之高。

(, 下载次数: 0)

对于简单义务，DeepSeek-R1的思索工夫分明延长，不再像以前对简单义务也疯狂思索。

设计一个新智元的官方网站，对于这种相对容易的义务，DeepSeek-R1-0528只需求10s的思索工夫。

(, 下载次数: 0)

可以分明感觉到，这次DeepSeek-R1新版本的思索过程愈加波动。

以模拟一个太阳系运转为例，还要求行星比例大小与实践相反，能看到DeepSeek-R1-0528的思索过程曾经趋近于「完美」。

(, 下载次数: 0)

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，并且要完美遵照理想中物理规律。

(, 下载次数: 0)

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，以上一切代码都是提示之后一遍过，没有任何的Debug过程。

对于相似「华容道」的多步骤思索成绩，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。假如农夫不在场，狐狸会吃掉鹅，鹅会吃掉豆子。请问农夫该如何安排过河，才能确保一切物品安全？」这种复杂推理成绩，DeepSeek-R1还可以给出核心成绩所在。

(, 下载次数: 0)

最令我感到震惊的是，这次的「思索」才能似乎停止了机密加强。

我给他了一个非常无厘头的族谱成绩：「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真的在经过数学的符号化方式在停止思索。

(, 下载次数: 0)

并且最后还真让他分析出了却果，几乎震惊！这么长的思索链条都没有断。

另外值得一提的是，这次的思索过程并没有遇到服务算力不够的状况，看来DeepSeek有针对性的提高了算力，毕竟如今是模型刚发布后的高峰「测评」期。
参考材料：https://chat.deepseek.com/https://x.com/i/status/1927770337170592033https://x.com/Yuchenj_UW/status/1927828675837513793https://x.com/chetaslua/status/1927716608384094545https://x.com/AiBattle_/status/1927824419478536405https://huggingface.co/deepseek-ai/DeepSeek-R1-0528/tree/main

来源：新智元版权属于原作者，若触及侵权。请联络删除，谢谢！

欢迎光临职贝云数AI新零售门户 (https://www.taojin168.com/cloud/)