0528版本发布,DeepSeek-R1 迎来重大升级:数学、编程、逻辑能力大幅跃升,更强推理,更少"幻觉"!

亲爱的读者朋友们，国产大模型佼佼者 deepseek-r1 近日完成了重要版本升级——deepseek-r1-0528 正式发布！

这次升级绝非小修小补，而是带来了推理能力、代码能力、数学能力、工具使用体验以及可靠性的全面提升。简单来说，就是你的 DeepSeek 助手变得更聪明、更靠谱、更能干了！

图片

? 核心亮点：推理深度与精度的双重飞跃“想得更深，答得更准”： 新版本的核心突破在于其推理深度的显著增强。在处理复杂问题时，模型投入了更多的“思考”资源（计算量）。最直观的体现：在极具挑战性的 AIME 2025测试中，新版本的准确率从老版本的 70% 飙升至惊人的 **87.5%**！提升了超过17个百分点！思考深度的量化：在 AIME 题目上，新模型平均每题使用的“思考标记”量从之前的约 1.2 万激增至约 2.3 万，意味着模型进行了更深入的分析和推演。大幅减少“幻觉”： 新模型在生成内容的准确性和可靠性上也有明显改进，“一本正经胡说八道”（即“幻觉”）的情况显著减少，回答更值得信赖。逻辑能力全面提升： 在衡量综合知识和推理能力的 MMLU-Pro、GPQA-Diamond 等权威基准测试上，新版本均取得了更好的成绩。尤其在 HumanEval-LastExam (HLE) 这种高难度综合测试上，Pass@1 成绩翻倍提升（8.5% -> 17.7%），进步巨大！? 编程能力：更懂代码，更高效

对于开发者或编程爱好者来说，这次升级是重大利好：

LiveCodeBench (2408-2505)： 衡量最新编程能力的基准，新版本 Pass@1 从 63.5% 提升至 **73.3%**，能力大幅增强。Codeforces-Div1： 模拟算法竞赛环境，新版本评分从 1530 跃升至 1930，解决难题的能力显著提升。SWE Verified (软件工程验证)： 在模拟真实软件工程任务中，新版本解决率从 49.2% 提升至 **57.6%**。Aider-Polyglot (多语言编程)： 准确率从 53.3% 提升至 **71.6%**，对多种编程语言的理解和运用更加得心应手。➕ 数学能力：解题高手再进化

DeepSeek-R1 本就以数学见长，0528版本更是锦上添花：

AIME 2024： Pass@1 从 79.8% 提升至 **91.4%**。AIME 2025： 如前所述，从 70.0% 跃升至 **87.5%**。HMMT 2025 (哈佛-麻省理工数学锦标赛风格)： 进步最为惊人，Pass@1 从 41.7% 大幅提升至 **79.4%**，几乎翻倍！CNMO 2024 (中国数学奥林匹克风格)： 也从 78.8% 提升至 **86.9%**。?️ 工具与使用体验：更智能，更顺手增强函数调用支持： 模型理解和执行函数调用的能力更强，与外部工具或API的交互更顺畅。改进的代码编写体验： 生成代码的质量、可读性和实用性进一步提升。强大的工具使用能力： 在新引入的 Tau-Bench 多工具使用基准测试中，新版本在航空和零售领域分别取得了 53.5% 和 63.9% 的 Pass@1 成绩，展现了利用工具解决复杂任务的能力。更好的系统提示支持： 现在官方应用/网页支持更有效地使用系统提示词（System Prompt）来引导模型行为。使用更便捷： 不再需要在输出开头添加特定字符（如 \n）来强制模型进入“思考模式”，交互更自然。

以下是图片中的表格内容，已转换为Markdown格式：

Category

Benchmark (Metric)

DeepSeek R1

DeepSeek R1 0528

General

MMLU-Redux (EM)

92.9

93.4

MMLU-Pro (EM)

84.0

85.0

GPQA-Diamond (Pass@1)

71.5

81.0

SimpleQA (Correct)

30.1

27.8

FRAMES (Acc.)

82.5

83.0

Humanity's Last Exam (Pass@1)

8.5

17.7

Code

LiveCodeBench (2408-2505) (Pass@1)

63.5

73.3

Codeforces-Div1 (Rating)

1530

1930

SWE Verified (Resolved)

49.2

57.6

Aider-Polyglot (Acc.)

53.3

71.6

Math

AIME 2024 (Pass@1)

79.8

91.4

AIME 2025 (Pass@1)

70.0

87.5

HMMT 2025 (Pass@1)

41.7

79.4

CNMO 2024 (Pass@1)

78.8

86.9

Tools

BFCL_v3_MultiTurn (Acc)

-

37.0

Tau-Bench (Pass@1)

-

53.5(Airline)/63.9(Retail)

? 开源贡献：思维链的力量

此次升级还带来了一个重要的副产品：DeepSeek-R1-0528-Qwen3-8B。

这是将 DeepSeek-R1-0528 强大的“思维链”（Chain-of-Thought）提炼出来，用于训练通义千问（Qwen）的 80 亿参数基础模型（Qwen3-8B Base）的结果。这个仅 8B 参数的小模型表现惊人！在 AIME 2024 测试上达到了 86.0% 的 Pass@1，**超越了原版 Qwen3-8B 高达 10%，甚至媲美了经过特殊优化的 235B 超大模型 (Qwen3-235B-thinking)**！这证明了 DeepSeek-R1-0528 思维链的巨大价值，为研究更高效的小规模推理模型提供了宝贵资源。? 如何体验升级版 DeepSeek-R1-0528？官方网站/App 聊天： 访问 **chat.deepseek.com**，打开聊天界面上的 “DeepThink”按钮，即可体验最强推理模式！系统提示已自动设置为当前日期。API 接入： 开发者可通过 platform.deepseek.com 提供的 OpenAI 兼容 API，轻松将强大的 DeepSeek-R1-0528 集成到您的应用中。本地运行： 技术爱好者可参考 DeepSeek 官方仓库获取模型，在本地运行体验（需注意使用建议的变化）。? 总结

DeepSeek-R1-0528 是一次质的飞跃。它通过算法优化和增加计算投入，显著提升了核心的深度推理能力，在数学、编程、逻辑等硬核任务上取得了突破性进展，性能直逼全球顶尖模型。同时，幻觉减少、函数调用增强、代码体验优化等改进也让日常使用更可靠、更顺手。