DeepSeek已对其DeepSeek-R1-0528模型发布重大更新，增强了其推理能力，并缩小了与OpenAI和Google领先专有模型之间的性能差距。该更新利用改进的算法和更强的计算能力，在不改变核心架构的情况下提升了数学、编码和逻辑基准测试的准确性。

  • 在AIME 2025上，准确率从70%提升至87.5%，平均提示词元数从12,000增至23,000。
  • 数学基准测试在AIME 2024（79.8%至91.4%）、HMMT 2025（41.7%至79.4%）和CNMO 2024（78.8%至86.9%）上均取得提升。
  • 编码性能在LiveCodeBench（63.5%至73.3%）和Aider-Polyglot（53.3%至71.6%）上得到改善，Codeforces评级从1530提升至1930。
  • 通用知识得分在GPQA-Diamond（71.5%至81.0%）和Humanity's Last Exam（8.5%至17.7%）上有所提高。
  • 独立平台Artificial Analysis对该模型评分为68，使其排名超越Meta的Llama 4 Maverick和Alibaba的Qwen3 253。

此次更新表明，通过增加强化学习的后训练，开放权重模型可以实现具有竞争力的性能。DeepSeek还发布了一个蒸馏版本DeepSeek-R1-0528-Qwen3-8B，该模型在AIME 2024上达到86%的得分，同时在Nvidia H100上高效运行。