路透今晚报道了DeepSeek可能在5月前发布r2。之前DeepSeek研究员Daya在2月初已经说过：RL还在早期，今年会看“显著进步”（significant progress）
其实在r1论文中也提到过：由于目前RL训练数据还很少，R1的下个版本会大幅提升。
也就是r1论文中的下图，以及论文所述：随着RL数据的增加，模型不仅解决复杂推理任务的能力持续稳定提升，且会自然涌现出一些复杂行为能力，比如“反思”、“探索不同方法”。这些能力不是人类设计，而是随着模型在RL环境中训练，自然涌现的。
粗浅的理解，现在不需要算法上的巨大创新，按照目前路线+更多算力+DS如此强的infra能力，基于目前的V3基座模型，依然可以取得r2/r3。当看到RL提升边际放缓，再基于新的基座V4，继续做RL，进一步推进推理模型提升。也就是下面这张图：（左脚踩右脚示意图）
而参考OpenAI的路线图，o3已经决定不发布完整模型，GPT-4.5也成了最后一个独立发布的基座模型，意味着GPT-5（混合模型）开始，越来越黑盒。说白了，以后无论是基座模型还是推理模型本身，都是“原料”而不是“最终产品”，CloseAI和Anthropic一定会雪藏。
但DeepSeek要做的，就是在别人继续闭源的时候，继续开源。r2应该对标的是o3完整版，而V4至少应该对标GPT-4.5，基于V4+RL的模型，应该对标是未来的所谓“GPT-5”。因此合理预期应该是V4可能会加入多模态能力，但r系列依然是推理模型。且这个过程中，所有的“原料”全部开源，不仅原料开源，按照这次代码的基调，连制造原材料的“配方”都直接开源。
这里面其实没有什么DeepSeek不知道的秘密，甚至在infra层面远超北美很多模型大厂。今天我们在星球讨论的：DeepSeek甚至可能比英伟达更懂如何使用GPU。而所谓Research上的创新，OpenAI o系列的灵感也来自于早已发表的“开源”paper，叠加自己的算力优势和工程探索实现。说到底没人全靠自己闭门造车，都受益于全世界“开源”研究或实践的喂养。
因此说回来，相比于r2，大家反而应该更期待V4，因为这打开了推理模型另一个level天花板，开辟的是另一条全新跑道。r2是时间表上确定的事情，而V4会是一个惊喜。这都会在今年发生。
来源：信息平权，原文标题：《如何预期DeepSeek R2》
