DeepSeek 猝不及防地更新了，不是 R2，而是 R1v2。
官方的通告也很 「DeepSeek」，甚至可以说有点佛系，在微信交流群发了一句：
「DeepSeekR1 模型已完成小版本试升级，欢迎前往官方网页、APP、小程序测试 （打开深度思考），API 接口和使用方式保持不变。」
看起来平平无奇，但真一顿实测下来，这个 「小版本」 恐怕还是过于谦虚了。
全球最大 AI 开源社区 HuggingFace 已经开源了这个新版本，名字也很实在：DeepSeek-R1-0528。不过截至目前，模型卡还没同步更新。
有需求的开发者可以自己动手部署，附上开源地址：https://huggingface.co/DeepSeek-ai/DeepSeek-R1-0528/tree/main
特点总结：
-
推理能力大幅提升，代码水平暴涨；
-
写作表现更有人味，格式更规范；
-
思考过程不仅快，还有条理、讲逻辑；
-
支持长时间思考，一项任务可持续 30 到 60 分钟。
根据编码基准测试 LiveCodeBench 的最新结果，这一版 R1 的表现已经和 OpenAIo3High 已经五五开了，而且，它的进步也远不止于代码能力。
当然，验证一款模型是否真正 「可用」，还得看它在真实场景下的表现，我们也照例跑了几个案例。
编程：网页、游戏、UI，啥都能做
【扫雷游戏】 考察编程、逻辑推理
比方说，我们参考网友 @ty_1215 的提示词，让新版 R1 设计一个扫雷游戏，结果不但逻辑完整，生成代码结构工整，直接就能拿来跑。
虽然这个任务比较简单，但在逻辑推理和编程结构的处理上，也算是超出了我的预期。
【音乐播放器】 考察审美、功能规划
再让它模仿 QQ 音乐播放器的 UI 设计，给它指个方向，它咔咔就是一通输出，不仅有播放器主体，还带歌词、播放按钮、封面图、进度条。
理解任务只是基本操作，但拆解指示设计出符合审美且功能完整的界面就难上加难了，最终交出的成果也给我一种它能做得更好的既视感。
【太阳系模拟】 考察图形渲染和物理模拟
再放飞一点，让它模拟一个太阳系，包括太阳、八大行星和月球，能展示公转轨道、自转动画，还要求背景得带上动态的星星。
生成的效果虽然颜色配得土了点，但搭配漫天的星星，整个空间氛围感直接拉满，尤其是那个可缩放可旋转的视角，完全可以作为中小学科普动画的原型演示。
写作：喜大普奔，终于不油腻啦
【风格模仿】 考察写作、深度理解
除了写代码，新版 R1 写文章的水准也有大幅度提升。一句话概括，就是更有人味了。
春节期间，我们让 DeepSeekR1 以 《百年孤独》 的风格写春节面对七大姑八大姨的故事，当时就发现，旧版 R1 文笔最大的毛病太爱堆砌意象，拽大词，读着有点油。
这次用 R1v2 复刻同一个问题，风格明显收敛不少，语言更自然，意象不突兀，有文学感但不矫情，读起来更自然了。
最近看到一句文言文版的 「懂的都懂」，我心想，新版 R1 停留在字面意思就已经实属不易了，结果出乎意料，它不仅提供字面意思，还深挖了个深层含义，以及甚至从哲学角度开始思考。
类似的，我们 3 月份的时候让 DeepseekR1 对 《红楼梦》 脂批中的 「情榜」 进行解读，发现它的深度思考过程逻辑性较弱，零散地整合了不同网页的观点。
而且，「泛灵论」「理性超越」「异化」 等非口语化的词汇还是频繁出现，分析内容也较为机械干瘪。
这次拿同样的问题问 R1v2，观察它的深度思考过程，发现思考过程的逻辑性更清楚完整，不再是对网页信息的零散整合，且有关注到 「用户可能没意识到但值得深挖的点」。
最重要的是，它在生成回答时自行 「注意避免学术腔」，也添加了生动的场景例证。
思维链及推理：依然靠谱，还更清楚
语言能力的进步，不仅对于文本生成很重要，更加是渗透在每个环节——尤其是思维链。
思维链反映的是模型是怎么想的、为什么得出这个结论，以及它怎么表达自己这一系列经过。
DeepSeek 这次的升级，并不只是 「答对题」 这么简单。更重要的是，它在推理路径上的一些细节变化，开始显露出新的能力结构。
【鸡兔同笼】：考察推理理解、解法多样性
鸡兔同笼是非常经典的 「必考题」，没有模型能逃得过。新 R1 的表现展现出很好的稳健性：一开始用设元+解方程，体现出结构化建模能力。后面补了一种逻辑回推法——一种典型的奥数思维训练套路。
两种方法互补，验算结果，保证正确。在整个思维链展开中，每一个变量意义、每一步计算、每一个代入都交代得明明白白。尤其是中间过程的口语化表达，非常适合给不那么擅长数学的读者阅读。
不过，整个过程里没有出现自我纠错？这不应该啊，再上个题试试。
【计算时针角度】 考察混合题型、基本几何知识
这题看下来，可以拍着良心说，CoT 的进步相当明显。
首先有清晰的结构意识，先讲 「表面方法」，用基本角度计算；再引入 「常用公式」 进行验证；最后还能进行反向校正，验证。
「时针角度」 的计算是非常理想的模型测试题，因为除了要计算数值，也要有简单的几何概念。新 R1 不仅能完成计算，还体现基本的几何空间感。
整个过程中，多次出现了 「我再确认一下」「有时候会有人算错」「我可能漏掉了什么」 这些自查，说明模型现在并不只是一股脑的列数据，而是有 「我正在思考」 的姿态——虽然只是姿态，但这不就是 CoT 的核心吗？
【语义陷阱推理】 考察分词能力、嵌套推理拆解
这看似一个脑筋急转弯，但实际上，所谓的 「真话假话」 之间互相嵌套，在推理上要真正理解 「最少」 和 「最多」 的语义。
这也就意味着不能武断地分词，必须考虑每一种情况。因此这道题的思维链和解答都是最长的——超过了四千字。
语义理解没有翻车，这点很不错。从两个互斥的假设出发，来一点点完成推理，考虑了尽可能多种场景和可能性。
在 「总是说谎」 这个条件解释上，新 R1 没有过多解释。实际上，中文里它是会引发歧义的，「总是」 二字会误导模型以为是 「过去一直都说谎」 而非 「当下说谎」。它这次没踩坑，可能有一定概率是靠 「幻觉」 躲过去了。
不过，这一题是真实暴露出了问题：无论是思维链，还是最后的解答，叙述方式都是典型的 「语言模型思维链+流水账排查」，写得跟个五年级数学作业一样，洋洋洒洒也啰啰嗦嗦……
如果生成一个链条图、思维导图，可能会更清楚。
总体来说，新 R1「脑子」 比以前清楚了，推理一如既往的靠谱。在代数推导、假设排除等环节表现稳定。推理路径整体连贯，基本能准确理解语义陷阱类题目中的逻辑关系。
思维链的表现来看，相比于之前的略显冰冷的 「理工脑袋」 叙述方式，这一次的 CoT 有点像是把模型的 「脑内小剧场」 摆了出来。但要更贴近 「人类思维风格」 的表达，还需在精炼、组织与重点识别上继续优化。
除了我们的测试，网友们的反馈也进一步验证了新版 R1 的进步。
以经典的小球测试为例，从网友 @flavioAd 发的测试结果来看，新旧模型差距相当明显：旧版 R1 的球动作生硬、弹跳粘线，像是被钉死在轨道上；新版 R1 的球运动更自然、重力感更强。
用网友的话来说，「这个新版的球有自我意识，自己决定什么时候弹跳」
另一个测试来自博主 @karminski3，他拿 DeepSeek-R1-0528 和 Claude-4-Sonnet 测试了一个球体撞墙的案例。
同样的提示词，Claude 输出了 542 行代码，DeepSeek 直接来 728 行，功能更全、细节更细，尤其是控制面板的配色、反射、FPS 表现……有点工业设计作业的即视感。
模型的基础常识能力在此次更新中有所升级。网友 @Yuchenj_UW 提到，DeepSeek-R1-0528 是目前唯一一个能稳定正确回答 「9.9-9.11 等于多少？」 的模型。
网友的梗也没落下。有人调侃 DeepSeek 写代码像 freestyle：如果数学天才陶哲轩 DeepSeek 强强联合，说不定真能出个 「专辑」。当然，他所说的专辑不是音乐，而是一份能解决当代数学难题的论文。
知名 X 博主 @slow_developer 也加入了实测阵营，称赞 「DeepSeek 真是王者归来……」 他为 R1v2 设计了一道中等复杂度的任务：构建一个单词评分系统。
DeepSeekR1 简单思考了一下，一次性生成两个文件，一个是主程序，一个是测试脚本，代码结构清晰，逻辑闭环，首次运行就顺利通过，没有报错。
目前据他测试，只有 OpenAI 的 o3 模型曾经能做到这种稳定输出，DeepSeekR1v2 是第二个。
网友 @mishig25 的案例则演示了 R1v2 在 HuggingFacePlayground 上完整跑通 ChatTemplate，实现结构化函数调用的过程。
从解析用户意图、触发具体函数，到最后组合成回答的完整流程，DeepSeek 全程干净利落，表现出极强的指令理解+执行能力。
简言之，别被 DeepSeek-R1-0528 这个朴实无华的名字忽悠了。
坏消息是，新版 R1 的发布意味着 R2 恐怕还得再等等，好消息是，新版 R1 表面看着是个 「小版本」，实则是一次能打的真升级，不管是可用性、稳定性，还是复杂任务的完成度，全都肉眼可见地往上抬了一档。
如果你还在苦等 R2，不妨先认真看看 R1v2。用过一次，就真的回不去了。不过 DeepSeek 啊，咱就是说... 那 「服务器繁忙」 的提示，能少点不？
模型是好用，咱也得能用上才行啊！
