極客網·人工智能5月30日 深度求索（DeepSeek）公司5月28日宣布DeepSeek-R1進行了小升級，引發(fā)廣泛關注；29日官方詳細介紹了此次更新的變化，稱當前版本為DeepSeek-R1-0528，升級后的新模型在深度思考、推理能力、幻覺改善、創(chuàng)意寫作等方面有了較大的提升。
特別地，新版DeepSeek R1針對“幻覺”問題進行了優(yōu)化。與舊版相比，更新后的模型在改寫潤色、總結摘要、閱讀理解等場景中，幻覺率降低了45～50% 左右，能夠有效地提供更為準確、可靠的結果。
深度思考能力強化
DeepSeek-R1-0528仍然使用2024年12月所發(fā)布的 DeepSeek V3 Base 模型作為基座，但在后訓練過程中投入了更多算力，顯著提升了模型的思維深度與推理能力。
更新后的R1模型在數學、編程與通用邏輯等多個基準測評中取得了當前國內所有模型中首屈一指的優(yōu)異成績，并且在整體表現上已接近其他國際頂尖模型，如o3與Gemini-2.5-Pro。
DeepSeek-R1-0528 在各項評測集上均取得了優(yōu)異表現（基準測試使用 64K 輸出長度；在 Humanity's Last Exam 中，只使用其中的文本題目進行測試）
相較于舊版 R1，新版模型在復雜推理任務中的表現有了顯著提升。例如在 AIME 2025 測試中，新版模型準確率由舊版的 70% 提升至 87.5%。這一進步得益于模型在推理過程中的思維深度增強：在 AIME 2025 測試集上，舊版模型平均每題使用 12K tokens，而新版模型平均每題使用 23K tokens，表明其在解題過程中進行了更為詳盡和深入的思考。
同時，蒸餾DeepSeek-R1-0528的思維鏈后訓練Qwen3-8B Base，得到了 DeepSeek-R1-0528-Qwen3-8B。該8B模型在數學測試AIME 2024中僅次于DeepSeek-R1-0528，超越 Qwen3-8B （+10.0%），與 Qwen3-235B 相當。DeepSeek-R1-0528的思維鏈對于學術界推理模型的研究和工業(yè)界針對小模型的開發(fā)都將具有重要意義。
DeepSeek-R1-0528-Qwen3-8B 等開源模型的 AIME 2024 對比結果
其他能力更新
幻覺改善：新版DeepSeek R1針對“幻覺”問題進行了優(yōu)化。與舊版相比，更新后的模型在改寫潤色、總結摘要、閱讀理解等場景中，幻覺率降低了45～50% 左右，能夠有效地提供更為準確、可靠的結果。
創(chuàng)意寫作：在舊版 R1 的基礎上，更新后的 R1 模型針對議論文、小說、散文等文體進行了進一步優(yōu)化，能夠輸出篇幅更長、結構內容更完整的長篇作品，同時呈現出更加貼近人類偏好的寫作風格。
工具調用：DeepSeek-R1-0528 支持工具調用（不支持在 thinking 中進行工具調用）。當前模型 Tau-Bench 測評成績?yōu)?airline 53.5% / retail 63.9%，與 OpenAI o1-high 相當，但與 o3-High 以及 Claude 4 Sonnet 仍有差距。
示例為通過 LobeChat 使用 DeepSeek-R1-0528 的工具調用能力得到的網頁文章總結
此外，DeepSeek-R1-0528 在前端代碼生成、角色扮演等領域的能力均有更新和提升。
示例為在網頁端調用 DeepSeek-R1-0528 使用 HTML/CSS/JavaScript 開發(fā)的一個現代簡約風格的單詞卡片應用
API 更新
API 已同步更新，接口與調用方式保持不變。新版R1 API仍支持查看模型思考過程，同時還增加了Function Calling和JsonOutput的支持。
我們對新版 R1 API 中 max_tokens 參數的含義做了調整：現在 max_tokens用于限制模型單次輸出的總長度（包括思考過程），默認為 32K，最大為 64K。請 API 用戶及時調整 max_tokens 參數以防輸出被提前截斷。
本次R1更新后，官方網站、小程序、App端和API中的模型上下文長度仍為64K。如果用戶對更長的上下文長度有需求，可以通過其他第三方平臺調用上下文長度為128K的開源版本R1-0528模型。
模型開源
DeepSeek-R1-0528與之前的DeepSeek-R1使用同樣的base模型，僅改進了后訓練方法。私有化部署時只需要更新 checkpoint 和 tokenizer_config.json（tool calls 相關變動）。模型參數為 685B（其中 14B 為 MTP 層），開源版本上下文長度為 128K（網頁端、App 和 API 提供 64K 上下文）。
（免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。 ）
