实测DeepSeek-R1小版本更新:三大场景梳理模型升级点和缺陷 siyushenqi.com • 2025 年 8 月 13 日 下午10:14 • 行业动态 • 阅读 506 5月28日,DeepSeek宣布R1的“0528”小版本试升级,并将新权重上传至Hugging Face与OpenRouter。目前官方未公布完整技术报告,但腾讯科技从Benchmark测试和社区实测案例整理了本次升级的主要内容。 摘要 在LiveCodeBench最新榜单中,R1-0528仅次于OpenAI的o3、o4 mini,超越xAI Grok 3 mini与阿里Qwen 3,生成的网页和交互更美观、可执行性更高。 在生成移动端界面、可交互网站和小游戏等场景中表现出色,但尝试生成3D模拟多米诺骨牌倒塌情景时失败。 写作风格更接近OpenAI o3,不再那么天马行空,生成的新闻报道包含关键信息且格式合理。在简单但易错的题目上表现准确,但推理步骤和时间较长。 DeepSeek-R1-0528在编码和推理方面表现出色,代码生成更容易一次跑通,前端显示效果惊艳;推理虽然慢,但正确率明显提高。尽管在多模态等综合能力方面仍有进步空间,但其开源且免费的特点依然具有吸引力。 5月28日,DeepSeek在内部社群低调宣布 R1 的“0528”小版本试升级,并同步将新权重上传至Hugging Face与OpenRouter。 图:Hugging Face官方页面,公布了模型权重,但Model Card部分未更新 截至目前,官方还未公布完整技术报告。腾讯科技从Benchmark测试和社区的实测案例整理了本次升级的主要内容: ● 上下文窗口翻倍:API 文档与旧版R1标注 64 K,“0528”在实测中开放到128K。 ● 代码生成性能跃升:LiveCodeBench最新榜单显示,R1-0528仅次于 OpenAI o3、o4 mini,超越xAI Grok 3 mini与阿里Qwen 3;生成的网页和交互更美观、可执行性更高。 图:在LiveCodeBench上,DeepSeek-R1-0528 接近 OpenAI 最强模型,超过Claude 3.5 Sonnet 与 Qwen3-235B,紧随其后的是 OpenAI 的 O4-Mini(Medium 配置)。 ● 推理风格更贴近OpenAI o3:社区评测0528新模型“语言自然度”和“对话逻辑”明显改善,不再像早期“天马行空”的叙述风格。 ● 深度慢思考:官方未明说,AIBase实测发现模型可持续30–60分钟链式推理,定位为“deep-thought”特性。 ● 开放策略延续:保持全量权重MIT 许可 + 免费 API额度依旧,对开发者保持零门槛。 图:升级点对比表格 但是,也会有推理速度慢、超长上下文情况下召回准确率下降等问题,社区评测主要反馈如下表。另外,腾讯科技在实测中发现,DeepSeek-R1-0528依然只能识别图片中的文字,还是没有图像理解的能力。 图:社区反馈的R1-0528版本缺陷 基于这次社区提到的升级点,腾讯科技测试了代码能力、语言自然度、及推理深度(数学和逻辑推理)三大场景,以下为实测结论: 代码能力增强 交互效果惊艳 1、 一句话指令生成移动端界面 结论:不设定详细的提示词,仅规定界面需要简洁美观且符合现代审美标准,模型一次性成功创建了设计极简和配色干净的应用界面,顶部自动生成内容分类导航,完美实现所有设定要求,推理用时23s。 提示词: 设计一个适用于移动设备的新闻阅读应用界面,要求界面简洁、美观,符合现代审美趋势。 2、 可交互网站,用户可以自定义条件,并生成对应的效果 结论:模型实现了最终的效果,能根据用户输入的不同的条件输出不同的可视化结果。交互界面设计审美在线,且有光晕和渐变感。推理用时84s。 提示词: 设计一个可以交互的网站,可以输入某人的出生日期(格式为“YYYY-MM-DD”),代码需: 根据出生日期计算一个1到9之间的“终身幸运数字”(方法自定,越神秘越好); 根据幸运数字指定一种幸运颜色; 输出一句幽默又暖心的个性化祝福语(可根据幸运数字和颜色进行匹配)。 要求: 代码实现巧妙且具趣味性; 输出内容丰富,能令人忍俊不禁; 注释清晰易懂。 3、 简单提示词制作一个小游戏 结论:模型一次成功,实测运转流畅,且基本符合提示词要求。推理用时只有13s。 提示词: 请用纯 HTML + CSS + JavaScript(无需任何构建工具)编写一款轻量、有趣、可在手机和桌面浏览器直接运行的小游戏,要求如下: 游戏主题:宇宙太空中的“小行星躲避赛”。玩家控制一艘飞船,左右移动以避开不断下落的小行星。 玩法细节 • 方向控制:键盘 ← → / 触屏左右半屏; • 小行星随机生成,速度逐渐加快; • 撞击即 Game Over,显示本局生存时间和历史最高纪录(localStorage) 视觉 • 背景使用 CSS 动态星空(animation); • 飞船、小行星可用 Canvas 简笔图形或 SVG; 代码结构 • 仅生成 一个 HTML 文件,内部 <style> 与 <script> 自含; • 逻辑清晰,注释说明关键函数; • 总大小控制在 200 KB 以内。 额外挑战(加分项,可选) • 加入“护盾”道具:10 秒无敌,随机掉落; • 支持暂停 / 继续; 输出格式:仅返回完整可运行的 HTML 代码块,无其他文字。 图:小游戏最终生成效果 4、 失败案例:一句话生成3D模拟多米诺骨牌倒塌情景 结论:尝试了三次修改,R1-0528依然没能返回可以运行的结果,界面中是黑屏、无法显示多米诺骨牌倒塌的情景。 这是一个难度极高的场景:要让模型一次性写出能跑的“球撞多米诺骨牌”网页,其实要同时搞定两件难事:一是用 Three.js 之类的渲染库画出 3D 画面,二是用 Cannon.js 等物理库计算每一块骨牌和小球的碰撞,这两套系统必须每一帧都对得上号,一行错就黑屏; 而网络上的示例代码常年换版本、接口名字一改模型就容易用错;完整场景代码动辄上千行,模型在没有浏览器报错提示的情况下只能“盲写”,很难顾全所有细节;更麻烦的是,多米诺要顺序倒下,对摩擦系数、时间步长等物理参数极挑剔,稍微没调好就穿模或停住。 所以哪怕模型懂原理,也难在一次输出里把渲染、物理、版本和数值调校全部做到位,最终看到的只能是黑屏。 所以,这个场景的失败也在意料之中。 提示词: 做一个多米诺骨牌被小球碰撞之后,规律倒塌的3D场景模拟,输出html。 图:经过修改后,“多米诺骨牌”还是没能运行成功 但是,在社交网站上,@karminski-牙医用同一个prompt测试了DeepSeek-R1-0528和Claude 4 Sonnet的3D场景效果。 最终效果来看,球撞击后的物理运动规律和光线照射的情况,R1-0528的表现都比Claude4要好。 写作测试: 文字风格更像o3,不再那么天马行空 结论:DeepSeek- R1以写作上天马行空的风格破圈。但新版的DeeSeek- R1-0528实测写作风格收敛了很多,虽然措辞上还是稍微显得有些夸张,但是确实更加接近o3。 提示词: 把英伟达今天发布的Q1财报,改写成 1000 字以内的新闻报道,保留财报全部关键信息。 结果如下图所示,R1-0528精准识别了今天刚刚发布的英伟达财报,并生成了有标题和小标题的完整文章,实测基本包含了财报中提到的重要信息。 提示词中,并未让它生成标题和小标题,但是作为一篇“新闻报道”,R1-0528“加戏”得比较合理。相比较,o3也给出了关键信息,读起来也比较完整,但未像R1-0528一样增加标题和小标题。 数学及逻辑推理能力: 更慢更准 结论:我们没有选择那些连最聪明的人类都难以解答的前沿难题,而是选取了三道看似简单、但大模型却经常出错的题目,R1-0528 都成功答对,缺点是推理步骤过长、时间过长。做一道简单的数学问答题,所用的推理时间,甚至是做一个小游戏的几十倍。 以下是具体测试题: 1、三双不同的鞋(每双一只左鞋 L、一只右鞋 R)排成一行,要求任何左鞋的相邻位置都不能是其他双的右鞋。共有多少种不同排法? 这个问题的难点在于,排三双鞋的组合题需要精确应用容斥原理,并在枚举中保持左右对称性不重不漏(既不能漏算也不能重复计算)。LLM 在生成推导时往往先写出一两步思路后,就凭记忆填入一个“看上去合理”的数字;如果没人检查,它自己很难发现算错了。比如它常常会忽略左右鞋互换位置的情况,或者把同一种情况重复计算了好几次。简单说,AI很会讲解题方法,但不擅长一步步仔细地把所有可能情况都列出来再去掉重复的部分,所以容易算错。 R1-0528版本答对了答案——204种,但是用时963秒,进行了超长步骤的推理。相比人类大脑来看,推理模型还是缺少简化问题的能力,而是简单问题复杂化。 2、爱丽丝有X个兄弟和Y个姐妹。问:爱丽丝的每个兄弟有多少个姐妹? 这道极简单的题考察的是大模型对代词、角色和集合边界的精准解析。 AI常常把“姐妹”理解成“除了爱丽丝以外的女孩”,而不是“包括爱丽丝在内的所有女孩”,导致算错或说不确定。这是因为AI学习了大量类似问题的答案模式,倾向于选择最常见的答案,而不是一步步推理。同时,AI没有自动认识到'爱丽丝也是女孩'这个常识,除非明确告诉它。所以经常会犯错误。 R1-0528用的推理时间是37秒,且精准回答出了答案:Y+1个。 3、 把70000千米/秒换算成英里/小时 这道题给模型的陷阱是,模型一旦漏乘 3600(秒到小时)或把千米-英里系数当平方/立方使用,数值就会错两个数量级;但现有惩罚信号主要针对语义可读性而非单位正确性,模型生成后也不会自检维度一致性。除非外接计算器或显式插入“单位检查”提示,否则 LLM 极易把拼凑出的数字当作最终答案输出。 R1-0528用时257秒,得出了正确的结果,但还是进行了超长步骤的推理。其实这个问题,人类如果使用科学计算器,几乎可以迅速得出结果。 图:DeepSeek- R1-0528给出的答案 总体而言,DeepSeek-R1-0528在编码和推理方面又给我们带来了惊喜,在代码生成上,它生成的程序更容易一次跑通,前端显示效果更惊艳;推理虽然比较慢,但是能把问题分得更细、想得更全,连环逻辑题正确率明显提高。虽然在综合能力,如多模态方面,它仍有很大的进步空间,但重要的是,它依然开源,依然免费。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/33160.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 Google和百度再度踏入同一条河流 上一篇 2025 年 8 月 13 日 下午10:14 人工智能,正在颠覆传统互联网 下一篇 2025 年 8 月 13 日 下午10:14 相关推荐 巨人把这款二次元放置游戏大改了一遍 作为一款已经测试过好几次的游戏,巨人网络自研的《龙与世界的尽头》(以下简称《龙与》)早在去年就已经有了相当不错的关注度。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 497000 2020年,有关全球移动游戏的数十组关键数据 当前,移动游戏蓬勃发展,逐渐成为全球主流(udonis数据,全球游戏收入中有51%为移动游戏收入)已是不争的事实 siyushenqi.com 2025 年 8 月 26 日 • 行业动态 518000 两年前我绝对想不到,美国畅销榜Top 10会有5款国产手游 从没想过能看到这样的榜单分布。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 452000 行业动态 OpenAI重拾规则系统,用「AI版机器人定律」守护大模型安全 OpenAI安全团队提出了一种新的AI反馈方法,即基于规则的奖励(RBR),用于提升语言模型的安全性。这种方法通过将期望行为分解成具体规则,显式描述了期望和不期望的行为,类似于阿西莫夫的机器人定律。 siyushenqi.com 2025 年 8 月 13 日 416000 行业动态 亚马逊系统突发故障!大批链接报错 一到旺季,本是亚马逊卖家冲刺销量的黄金周期,大批卖家却突发陷入“集体报错”。 — 1 — 亚马逊编辑页面出现故障 从10月31日开始,就有卖家反映亚马逊库存编辑页面出现异常情况: 卖家无法修改“单位计数类型”字段、价格编辑功能锁死、配对模板变为“只读模式”,甚至部分 ASIN 被下架、搜索结果清零。 此次涉及卖家非常多,涵盖了3C、家居、美妆等多个类目;有拥… siyushenqi.com 2025 年 8 月 13 日 下午10:14 506000 行业动态 Manus和它的“8000万名员工” Manus 的“8000 万虚拟机”,人类史上最大数字员工团队。 siyushenqi.com 2026 年 1 月 15 日 451000 行业动态 2024年,跨境“内容电商”之年 2024年,跨境内容电商展现出强劲的增长势头,品牌如OQQ、泡泡玛特、麦瑞克等在海外大力投入内容营销与内容电商,队伍明显壮大。 siyushenqi.com 2025 年 8 月 5 日 439000 行业动态 一个国产「怪物」登顶了日本畅销榜 势不可挡。 siyushenqi.com 2025 年 8 月 18 日 426000 融资1.5亿美元,估值超10亿美元 社交赛道已出现AI+“抢跑者” 访问次数过亿,估值超过10亿美元,Character.AI什么来头? siyushenqi.com 2025 年 8 月 14 日 • 行业动态 390000 行业动态 3个月近15亿的曝光,这款放置RPG手游出海欧美的营销策略值得借鉴 随着全球用户对游戏的需求持续增强,面对未来广阔的海外手游市场,Yeahmobi将持续以专业高效的数字化营销服务,助力更多游戏出海厂商在买量中突围,实现可观增长。 siyushenqi.com 2025 年 8 月 18 日 503000 海外 Z 世代最爱哪些中国品牌?Snapchat 联手凯度发布出海 50 强榜单 Snapchat 携手凯度(KANTAR)正式发布首个 “Z 世代最喜爱的中国全球化品牌 50 强”榜单。 siyushenqi.com 2025 年 11 月 3 日 • 行业动态 435000 行业动态 智元上线灵心平台:让机器人也有“灵魂” 2025年11月24日,智元机器人发布“机器人灵魂定制工厂”,让普通用户零代码即可为机器人配置声音、性格、行为与记忆,实现“千人千机”。 siyushenqi.com 2025 年 11 月 25 日 358000 行业动态 倒计时32天!CDIE2026“将AI,转化为生产力”峰会启幕在即! 2026年4月14日-15日,第十二届CDIE数字化创新博览会将在中国上海重磅举办。 siyushenqi.com 2026 年 3 月 18 日 256000 行业动态 6款社交应用狂吸金,私密社交不香了? 越开放的社交应用,越受欢迎? siyushenqi.com 2025 年 8 月 18 日 484000 行业动态 量子计算OpenAI来了?前谷歌3人团队融资1亿元,打造AI算力芯片挑战物理极限 前谷歌量子计算团队今日宣布融资1410万美元,打造新型AI算力芯片,将根据热力学和信息的第一原理构建人工智能超级计算机,实现能够自我编程的算力芯片。 siyushenqi.com 2025 年 8 月 13 日 464000 行业动态 迈向2024,AI创业投资的挑战与新机会:大力发展AI应用生态、AI Agent值得关注… 从2023到2024,AI的进击、挑战与新机会。 siyushenqi.com 2025 年 8 月 13 日 388000 腾讯越来越摸不透米哈游了 腾讯“重力”失灵,米哈游一路狂飙 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 443000 行业动态 出海社交应用Bigo Live已完成整改,重新回归海外市场 出海社交应用Bigo Live和Tango已重新上架谷歌商店,正式回归海外市场。 siyushenqi.com 2025 年 8 月 17 日 492000 行业动态 33家上市游戏公司出海:两家闯进百亿大关,但超半营收下滑 2024年国产自研游戏出海收入达185.57亿美元,同比增长13.39%,但33家上市游戏公司中,超过半数出海营收下滑。 siyushenqi.com 2025 年 8 月 17 日 432000 行业动态 世界最好小参数开源大模型!超谷歌、Meta,手机、平板轻松运行 Mistral.AI发布了两款小参数模型Ministraux,分别是Ministraux 3B和8B,专为移动设备设计。 siyushenqi.com 2025 年 8 月 13 日 485000 行业动态 NewsBreak 大中华区广告市场负责人 Nancy Ding 确认担任 PAGC 2025丨第五届全球产品与增长展会 非游应用出海增长峰会圆桌嘉宾! NewsBreak 大中华区广告市场负责人 Nancy Ding 确认担任 PAGC 2025丨第五届全球产品与增长展会 非游应用出海增长峰会圆桌嘉宾! siyushenqi.com 2025 年 8 月 17 日 543000 行业动态 中南大学校友创立的AI龙头,被腾讯押注、正冲刺港股 华曦达成立于2003年,最初从事数字电视机顶盒芯片设计,逐步发展为全球最大的Android TV智能终端供应商,并转型为AI Home整体解决方案提供商。公司经历了从硬件代工到软件平台与智能终端解决方案的转型,通过与谷歌合作获得认证,成功打入全球供应链。 siyushenqi.com 2025 年 8 月 13 日 421000 行业动态 海外版妙鸭相机,“像不像”不重要 一款“虚假社交”App 拿到 300 万美元融资,是什么来历? siyushenqi.com 2025 年 8 月 19 日 454000 行业动态 DeepSeek“引爆”国产芯片,昆仑芯单机部署满血版,价格最低 国产大模型 DeepSeek 在过去两个月席卷全球,因其效果媲美领先的 OpenAI - o1 模型,且推理成本被极致压缩,获 OpenAI 首席执行官 Sam Altman 等多位行业大咖赞美,访问使用量急速上升。 siyushenqi.com 2025 年 8 月 13 日 446000 行业动态 Temu在东南亚踢到了铁板 Temu在欧美大杀四方的步伐,在东南亚变成了小碎步。 siyushenqi.com 2025 年 8 月 6 日 412000 行业动态 一周要闻NO.97 | 女频题材热度回升;TikTok Shop全球扩张再下一城;中国教育企业出海中东正盛;AI围剿创意产业 有爱互娱2.59亿被甩卖?腾讯系再次接盘字节游戏;女频题材热度回升,一部新剧闯入TOP10!爆款承制方揭秘;在沙特阿联酋,小学生都要学中文!中国教育企业出海中东正盛;冲击500亿美元GMV目标,TikTok Shop全球扩张再下一城;AI围剿创意产业!1/3翻译和1/4插画师或将失业。 siyushenqi.com 2025 年 8 月 14 日 395000 行业动态 建立面向AI的新战略 具备同样素质的创业者,在移动互联网创业浪潮中能脱颖而出,在AI浪潮中则可能溺水而亡。 siyushenqi.com 2025 年 8 月 13 日 395000 行业动态 跨境电商,红利依旧 家居版SHEIN? siyushenqi.com 2025 年 8 月 13 日 458000 出海观察丨剖析Voodoo 3大超休闲手游爆款 探寻60亿下载背后方法论 Voodoo旗下全部游戏下载量破60亿,前9月贡献10亿下载量 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 445000 网信办重磅公布AIGC管理办法,对创业公司、游戏业有何影响? ChatGPT的开年爆红,迅速引发新一轮的技术浪潮。但同时,AI忧患意识正逐渐在多国蔓延,全球范围内人工智能监管呼声也愈发高涨。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 441000 发表回复 请登录后评论...登录后才能评论 提交