DeepSeek-R1-0528

DeepSeek nazwał to drobną aktualizacją wersji. Liczby mówią co innego. Opublikowany 28 maja 2025 na tym samym korpusie 671 miliardów parametrów co DeepSeek-R1, model R1-0528 podniósł wynik na zestawie matematycznym AIME 2025 z 70 do 87,5 procent, ranking Codeforces z 1530 do 1930, SWE-bench Verified z 49,2 do 57,6 procent, a Aider-Polyglot z 53,3 do 71,6 procent. Humanity's Last Exam, najtrudniejszy z testów ogólnych, poprawił się ponad dwukrotnie: z 8,5 do 17,7 procent. Firma nietypowo otwarcie mówi, skąd bierze się ten zysk — i nie jest to nowa architektura. R1-0528 po prostu myśli dłużej. Na zestawie AIME poprzedni model zużywał około 12 tysięcy tokenów na zadanie, ten zużywa średnio 23 tysiące. Poprawę kupiono obliczeniami w fazie douczania i zmianami algorytmicznymi w etapie rozumowania, co czyni z tego wydania czysty, publicznie udokumentowany punkt odniesienia: ile da się wycisnąć z tych samych wag, płacąc tokenami w chwili odpowiedzi. Jedna liczba poszła w drugą stronę i producent opublikował ją mimo to: SimpleQA, mierzący pamięć faktów, spadł z 30,1 do 27,8 procent. Model, który mocniej rozumuje, nie staje się automatycznie modelem, który lepiej pamięta. Wydanie dołożyło też wywoływanie funkcji, wyjście w formacie JSON i obsługę polecenia systemowego — czyli praktyczne braki, przez które pierwszy R1 nie trafiał do wdrożeń — oraz zniosło konieczność rozpoczynania odpowiedzi znacznikiem myślenia. Wagi i repozytorium są na licencji MIT. Maksymalna długość generowanej odpowiedzi w testach producenta wynosiła 64 tysiące tokenów.

▸Wideo

Brak materiałów wideo.

▸Recenzje