DeepSeek-R1-0528

是什么

DeepSeek-R1-0528 是 DeepSeek 推理模型 DeepSeek-R1 的更新版本，于 2025 年 5 月 28 日发布，采用 MIT 许可证。^[1][2] 它的工作方式与 R1 一致：模型先写出一段思维链（chain of thought），再给出答案，这段看得见的推理过程正是它在难题上发挥作用的地方。MIT 许可证允许商业使用，也允许把模型蒸馏到其他模型中去。^[1]

基准成绩的变化

这次更新最直观的变化是分数。在竞赛数学基准 AIME 2025 上，准确率从 70.0% 提升到 87.5%。^[1] 分数提高伴随的是更长的思考，而不是更快的作答：模型平均每道 AIME 题消耗的 token 从约 12K 增加到约 23K，等于在给出答案前多做了将近一倍的推理。^[1] 其他数学测试也是同样的走向：按模型卡与 DeepSeek R1 的对比，AIME 2024 从 79.8 升到 91.4，HMMT 2025 从 41.7 升到 79.4。^[1]

科学与代码同样有提升。GPQA-Diamond 是一组难度接近研究生水平的科学题，得分从 71.5 升到 81.0；LiveCodeBench（2408–2505）从 63.5 升到 73.3。^[1] 在软件工程方面，用来衡量模型能否解决代码仓库中真实问题的 SWE-bench Verified 从 49.2 升到 57.6。^[1] 覆盖面很广、刻意设计得很难的专家题库 Humanity's Last Exam 则从 8.5 升到 17.7。^[1] 最后这项即便在更新之后，绝对分数仍然不高——这类测试本来就留着大量提升空间。

行为与接口上的改动

除了分数，DeepSeek 还提到了两处行为上的改进：幻觉率下降，以及所谓「氛围编程」（vibe coding）的体验变好——也就是用自然语言描述需求、由模型来写代码这种用法。^[1] 接口也做了调整：模型现在支持系统提示（system prompt），使用者不再需要强行在输入里加一个 `<think>` 前缀来触发推理，模型会在需要推理时自己推理，而不必靠一个标记去点燃。^[1] 函数调用（function calling）能力也有增强，公布了 BFCL v3 多轮成绩 37.0。^[1] 这些改动对在模型之上搭应用的人，比排行榜上的名次更有意义。

蒸馏出来的小模型

DeepSeek 还把这一版的思维链蒸馏进 Qwen3 8B Base，得到 DeepSeek-R1-0528-Qwen3-8B。^[1] 这个小模型在 AIME 2024 上得分 86.0，比 Qwen3 8B 高 10 分，与体量比它大得多的 Qwen3-235B-thinking 持平。^[1] 由于许可证允许蒸馏，这次发布也顺带说明了推理能力可以被带到多小的模型里去。

参数规模与部署

Hugging Face 上的模型卡列出 DeepSeek-R1-0528 为 685B（6850 亿）参数，以 BF16、F8_E4M3 和 F32 张量存储，最大生成长度设为 64K token。^[1] 部署方面，模型卡建议网页端与 App 环境使用 0.6 的温度，并说明可以用 vLLM 或 SGLang 部署，对外提供兼容 OpenAI 的 chat completions 接口。^[1] 换句话说，这是一个按服务方式运行的大模型，而不是能在笔记本上跑的模型。

在模型序列中的位置

DeepSeek-R1-0528 本身也很快被接替：DeepSeek-V3.1 于 2025 年 8 月 21 日发布，其思考模式在 AIME 2025 上得分 88.4，并且回答速度比 R1-0528 更快。^[3] 两次发布之间只隔了不到三个月，这大致就是那段时间的节奏——一个开放权重的推理模型先在原地升级，几个月内又被并入下一代。