DeepSeek-R1 重磅更新：幻觉降低近 50%，深度思考、推理能力提升

「DeepSeek 一更新，我们就知道又要放假了。」

昨天，DeepSeek 宣布其 R1 系列推理模型小版本升级，最新版本 DeepSeek-R1-0528 参数量高达 6850 亿，模型在思维深度和推理方面的能力显著提升。

刚刚，DeepSeek 公布了 R1-0528 在各类基准测评上的具体得分情况。R1-0528 在数学、编程与通用逻辑等多个基准测评中成绩亮眼，整体表现接近 o3 与 Gemini-2.5-Pro。

同时，DeepSeek 通过蒸馏 DeepSeek-R1-0528 的思维链后训练 Qwen3-8B Base 得到了一个 8B 模型。该模型在数学测试 AIME 2024 中仅次于 DeepSeek-R1-0528，超越 Qwen3-8B（+10.0%），与 Qwen3-235B 相当。

此外，值得一提的是，DeepSeek 对 R1-0528 版本的模型幻觉问题进行了优化，与旧版相比，更新后的模型在改写润色、总结摘要、阅读理解等场景中，幻觉率降低了 45～50% 左右。

目前，DeepSeek-R1-0528 已在网页端、APP 和小程序中上线，用户开启「深度思考」功能即可体验最新版本。同时，API 也同步更新，调用方式不变。

超 4000 人的「AI 产品市集」社群！不错过每一款有价值的 AI 应用。

邀请从业者、开发人员和创业者，飞书扫码加群：

进群后，你有机会得到：

最新、最值得关注的 AI 新品资讯；

不定期赠送热门新品的邀请码、会员码；

最精准的AI产品曝光渠道

深度思考能力强化

DeepSeek-R1-0528 仍然使用 2024 年 12 月所发布的 DeepSeek V3 Base 模型作为基座，但在后训练过程中投入了更多算力，显著提升了模型的思维深度与推理能力。

更新后的 R1 模型在数学、编程与通用逻辑等多个基准测评中取得了当前国内所有模型中首屈一指的优异成绩，并且在整体表现上已接近其他国际顶尖模型，如 o3 与 Gemini-2.5-Pro。

DeepSeek-R1-0528 在各项评测集上均取得了优异表现

（基准测试使用 64K 输出长度；在 Humanity's Last Exam 中，只使用其中的文本题目进行测试）

相较于旧版 R1，新版模型在复杂推理任务中的表现有了显著提升。例如在 AIME 2025 测试中，新版模型准确率由旧版的 70% 提升至 87.5%。这一进步得益于模型在推理过程中的思维深度增强：在 AIME 2025 测试集上，旧版模型平均每题使用 12K tokens，而新版模型平均每题使用 23K tokens，表明其在解题过程中进行了更为详尽和深入的思考。

同时，DeepSeek 蒸馏 DeepSeek-R1-0528 的思维链后训练 Qwen3-8B Base，得到了 DeepSeek-R1-0528-Qwen3-8B。该 8B 模型在数学测试 AIME 2024 中仅次于 DeepSeek-R1-0528，超越 Qwen3-8B （+10.0%），与 Qwen3-235B 相当。DeepSeek 认为，DeepSeek-R1-0528 的思维链对于学术界推理模型的研究和工业界针对小模型的开发都将具有重要意义。

DeepSeek-R1-0528-Qwen3-8B 等开源模型的 AIME 2024 对比结果

新版模型幻觉降低 45~50%

幻觉改善：新版 DeepSeek R1 针对「幻觉」问题进行了优化。与旧版相比，更新后的模型在改写润色、总结摘要、阅读理解等场景中，幻觉率降低了 45～50% 左右，能够有效地提供更为准确、可靠的结果。

创意写作：在旧版 R1 的基础上，更新后的 R1 模型针对议论文、小说、散文等文体进行了进一步优化，能够输出篇幅更长、结构内容更完整的长篇作品，同时呈现出更加贴近人类偏好的写作风格。

上下滑动查看完整内容

工具调用：DeepSeek-R1-0528 支持工具调用（不支持在 thinking 中进行工具调用）。当前模型 Tau-Bench 测评成绩为 airline 53.5% / retail 63.9%，与 OpenAI o1-high 相当，但与 o3-High 以及 Claude 4 Sonnet 仍有差距。