DeepSeek 小幅更新 R1 推理模型：權重上線 Hugging Face

DeepSeek-R1-0528 是 DeepSeek 推理模型 R1 的最新小幅更新版本。它把數學、程式設計和通用邏輯推理能力又往前推了一步，官方表示其綜合表現已經逼近 O3 和 Gemini 2.5 Pro。

它能做什麼

這次升級的核心發生在後訓練階段。DeepSeek 投入了更多計算資源，並引入了演算法最佳化機制，讓模型在解題時能夠進行更深層次的思考。

最顯著的提升體現在數學競賽上。在 AIME 2025 測試中，新模型的準確率從上一版的 70% 直接飆升到了 87.5%。為了拿到這個成績，模型平均每道題消耗的思考 token 也從 12K 翻倍到了 23K。

在其他高難度基準測試裡，GPQA-Diamond 準確率從 71.5% 提高到了 81.0%，MMLU-Redux 達到 93.4%，MMLU-Pro 達到 85.0%。

除了推理深度，新版還降低了幻覺率，增強了函式呼叫能力，並針對當下流行的 vibe coding 程式碼編寫體驗做了專項最佳化。整個模型的最大生成長度統一放寬到了 64K token。

怎麼跑起來與硬體門檻

模型目前已經完整上傳到了 Hugging Face。開源許可證依舊是極度友好的 MIT 協議，開發者和企業可以完全自由地將其用於商業場景。

不過，想在本地跑起它門檻相當高。這是一個總引數量達到 6850 億（685B）的龐然大物。在不經過量化或結構修改的前提下，任何消費級顯示卡或普通電腦都無法直接載入執行，必須依靠多卡專業伺服器或雲端推理叢集。

在部署工具鏈上，社群生態已經迅速就位。Hugging Face 倉庫給出了 Transformers、vLLM 和 SGLang 的呼叫指令碼，也支援通過 Docker Model Runner 直接映象啟動。如果你打算搭建私有介面，可以通過 vLLM 或 SGLang 快速暴露一個相容 OpenAI 格式的 API 服務。

為什麼重要

對於個人開發者來說，直接在本地執行 685B 權重的成本仍然高不可攀，但全量權重的開放意味著第三方推理平臺很快就會跟進上線。你不需要自己買硬體，就能以極低的 API 成本用上媲美頂級閉源模型的推理能力。

從技術路線上看，DeepSeek 再次驗證了後訓練擴充套件的巨大潛力。通過延長思考鏈和增加測試時算力，模型在數學與程式碼上的表現有了質的躍升。如果你正在構建需要高難度推理、長鏈條程式碼生成或複雜工具呼叫的應用，這個新版本非常值得立刻跟進測試。