DeepSeek 小幅更新 R1 推理模型：权重上线 Hugging Face

DeepSeek-R1-0528 是 DeepSeek 推理模型 R1 的最新小幅更新版本。它把数学、编程和通用逻辑推理能力又往前推了一步，官方表示其综合表现已经逼近 O3 和 Gemini 2.5 Pro。

它能做什么

这次升级的核心发生在后训练阶段。DeepSeek 投入了更多计算资源，并引入了算法优化机制，让模型在解题时能够进行更深层次的思考。

最显著的提升体现在数学竞赛上。在 AIME 2025 测试中，新模型的准确率从上一版的 70% 直接飙升到了 87.5%。为了拿到这个成绩，模型平均每道题消耗的思考 token 也从 12K 翻倍到了 23K。

在其他高难度基准测试里，GPQA-Diamond 准确率从 71.5% 提高到了 81.0%，MMLU-Redux 达到 93.4%，MMLU-Pro 达到 85.0%。

除了推理深度，新版还降低了幻觉率，增强了函数调用能力，并针对当下流行的 vibe coding 代码编写体验做了专项优化。整个模型的最大生成长度统一放宽到了 64K token。

怎么跑起来与硬件门槛

模型目前已经完整上传到了 Hugging Face。开源许可证依旧是极度友好的 MIT 协议，开发者和企业可以完全自由地将其用于商业场景。

不过，想在本地跑起它门槛相当高。这是一个总参数量达到 6850 亿（685B）的庞然大物。在不经过量化或结构修改的前提下，任何消费级显卡或普通电脑都无法直接加载运行，必须依靠多卡专业服务器或云端推理集群。

在部署工具链上，社区生态已经迅速就位。Hugging Face 仓库给出了 Transformers、vLLM 和 SGLang 的调用脚本，也支持通过 Docker Model Runner 直接镜像启动。如果你打算搭建私有接口，可以通过 vLLM 或 SGLang 快速暴露一个兼容 OpenAI 格式的 API 服务。

为什么重要

对于个人开发者来说，直接在本地运行 685B 权重的成本仍然高不可攀，但全量权重的开放意味着第三方推理平台很快就会跟进上线。你不需要自己买硬件，就能以极低的 API 成本用上媲美顶级闭源模型的推理能力。

从技术路线上看，DeepSeek 再次验证了后训练扩展的巨大潜力。通过延长思考链和增加测试时算力，模型在数学与代码上的表现有了质的跃升。如果你正在构建需要高难度推理、长链条代码生成或复杂工具调用的应用，这个新版本非常值得立刻跟进测试。