新智元报道
编辑：编辑部 YXZH
新版 DeepSeek-R1 重磅开源，凌晨已放出权重！此次模型性能几乎与 o4-mini（Medium）相当，编程实测超越 Claude 4 Sonnet。网友纷纷惊叹：开源又一次胜利了。
临近端午假期，DeepSeek 果然又开始搞事。
就在今天凌晨，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 Gemini 2.5 Flash。
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！
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。
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 Claude 4 Sonnet 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 Claude 4 Sonnet。
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。
和 Gemini 高能 PK
还有人将 DeepSeek-R1 与 Gemini 2.5 Pro 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，Gemini 2.5 Pro 和 DeepSeek R1 表现都不错，打成平手。
Prompt: List top 5 pros/cons of Universal Basic Income using live sources.
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。
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 Claude 4 和 Gemini 2.5 Pro，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://x.com/i/status/1927770337170592033
https://x.com/Yuchenj_UW/status/1927828675837513793
https://x.com/chetaslua/status/1927716608384094545
https://x.com/AiBattle_/status/1927824419478536405
https://huggingface.co/deepseek-ai/DeepSeek-R1-0528/tree/main
