DeepSeek发布了R1推理模型的最新版本（0528），参数量高达6850亿。新模型采用MIT许可证，可用于商业用途。实测表明，新版模型在推理能力、文本自然度和结构层次感方面有明显提升，能够进行更深度的推理和长时间的思考。在基准测试中，R1-0528在编程任务和Extended NYT Connections上均有显著提升。网友实测表明，其代码能力也得到大幅提升，在某些任务上甚至超越了其他领先模型。尽管存在过度思考的问题，但整体表现令人惊喜。

🚀DeepSeek R1推理模型迎来更新，参数量高达6850亿，新版本（0528）采用MIT许可证，允许商业用途，引发广泛关注。

💻基准测试显示，DeepSeek R1-0528在LiveCodeBench编程任务中超越了O3-Mini，并在Extended NYT Connections基准上取得了显著提升，接近Claude Opus 4 Thinking 16k。

💡网友实测表明，DeepSeek R1-0528的代码能力大幅提升，在构建词评分系统等编程挑战中表现出色，甚至优于一些前沿模型。同时，在模拟物理碰撞等任务中，其生成的代码也表现更好。

🤔新版DeepSeek R1在解决简单问题时，存在过度思考的现象，即反复思考和验证原本简单的问题，不过整体而言，完成任务所需的对话轮次减少，效率提升。

超出所有人的期待。

千呼万唤始出来，DeepSeek 迎来了推理模型更新。

昨晚，DeepSeek 官方宣布其 R1 推理模型升级到了最新版本（0528），并在今天凌晨公开了模型及权重。

HuggingFace 链接：https://huggingface.co/deepseek-ai/DeepSeek-R1-0528

模型文件上传时间是凌晨 1 点，不知 DeepSeek 工程师们是不是加班到了最后一刻。也有网友表示，这回又在端午节假期前发新模型，简直比放假通知还靠谱。

这次更新的升级版 R1 参数量高达 6850 亿，体量巨大，虽然开源了出来，但大多数人只能围观。如果「满血版」不进行蒸馏，是肯定无法在消费级硬件上本地运行的。

不过这种不说话直接放链接的态度还是引来了网友们的普遍欢迎。

根据 DeepSeek 的小范围通知，更新后的 R1 版本采用 MIT 许可证，这意味着它可以用于商业用途，从版本号看来这是一个「小」升级，不过人们大量实测后发现，新版大模型的性能提升颇为明显。

我们也能在新版 DeepSeek-R1 模型的配置文件中看到更多但并不出人意料的信息，包括采用了 DeepSeek-V3 作为基础模型以及 MoE、隐藏层大小、量化等配置。

我们现在已经可以在 DeepSeek 的网页端和 App 上直接用上这个最新版本的大模型。

有网友总结表示，新的 DeepSeek-R1-0528 可以进行更加深度的推理，输出的文本更加自然，结构更有层次感，它展现出了独特的推理风格，不仅速度很快，而且进行了充分的思考。与上周发布的 Claude4 类似，现在的 DeepSeek 也可以进行长时间的思考了，据说能持续 30-60 分钟。

已经有一些网友实测时遇到了 DeepSeek 的长考，这 deep research 可够深度的：

基准评分，成绩大幅提升

DeepSeek R1 发布以来，大模型领域的格局已经发生了变化。原版 R1 的成绩如今已不再领先，R1-0528 的出现修正了结果。

R1-0528 模型的第一个 Benchmark 成绩是 LiveCodeBench，它超越了 O3-Mini，几乎与 O3（High）的评分相当，在编程任务上相比上个版本有了显著的提升。

要知道 DeepSeek 模型是完全开源的，App 目前为止也完全免费，这可以说是开源的胜利。

另外，其在 Extended NYT Connections 基准上的成绩也已经出炉，相比于前一代 DeepSeek-R1，最新的 0528 版本的提升非常明显，从 38.6 增至了 49.8，接近 Claude Opus 4 Thinking 16k；不过在该基准上，DeepSeek-R1-0528 仍旧没有挤进 OpenAI o 系列模型占据的第一梯队。

目前，ChatBot Arena 上也已经更新了新版本的 DeepSeek R1，让我们看看大家充分测试过后它的排名能爬到多高。

网友实测：代码能力大幅提升

虽然 DeepSeek-R1-0528 才刚出来不久，但已经有不少网友分享了自己的实测结果。

比如开发者 Haider 就通过一个编程挑战赛（构建一个词评分系统）挑战了当前主流的前沿模型，结果发现，目前只有 o3 和新版 DeepSeek-R1 能够完成这个挑战。这不禁让他感叹：DeepSeek is so back...

也有网友通过一个小球撞墙实验直观地对比了 Claude-4-Sonnet 与 DeepSeek-R1-0528 的实际表现。可以看到，DeepSeek-R1 生成的代码在模拟物理碰撞方面表现会更好一些。

Hyperbolic Labs CTO 和联创 Yuchen Jin 也进行了简单测试，发现 R1-0528 是目前唯一一个始终能正确回答「what is 9.9 - 9.11?」的模型。

机器之心也做了一次简单的尝试，让其用 Python 编写了一个可以将 Word 文档中的图片提取到固定路径的小程序。

可以看到，DeepSeek-R1 用一分多钟完成了任务，那实际效果如何呢？很遗憾，出现了一个报错：

这是一个简单的句法错误，下面我们直接将其反馈给 R1-0528。结果出现了一个有趣的现象，对于这个简单报错，R1 模型思考的时间（212 秒）远远超过了之前写出整个程序的时间。

查看其思考过程可知，新版本的 R1 与之前的版本一样存在过度思考的问题，即反复思考和验证原本很简单的问题。

不过好在，修改后的程序成功完成了指定任务，就是这 UI 字体有点不协调：

我们还进行了另一些简单测试。整体来说，我们感觉新版 DeepSeek-R1 相比前一版本确实提升不小，完成一个任务所需的对话轮次也少了许多。

最后，尽管 R1 这次提升很大，网友们还是期待 DeepSeek 尽快放出 R2。

一个小版本更新就如此惊艳，DeepSeek R2 会是什么样子？这一次，我们是不是要等到国庆节？

本文来自微信公众号“机器之心”（ID：almosthuman2014），作者：机器之心，36氪经授权发布。