機(jī)器之心報(bào)道

編輯：杜偉

在開源模型領(lǐng)域，DeepSeek 又帶來了驚喜。

上個(gè)月 28 號(hào)，DeepSeek 來了波小更新，其 R1 推理模型升級(jí)到了最新版本（0528），并公開了模型及權(quán)重。

這一次，R1-0528 進(jìn)一步改進(jìn)了基準(zhǔn)測(cè)試性能，提升了前端功能，減少了幻覺，支持 JSON 輸出和函數(shù)調(diào)用。

今天，業(yè)界知名、但近期也陷入爭(zhēng)議（曾被指出對(duì) OpenAI、谷歌及 Meta 的大模型存在偏袒）的大模型公共基準(zhǔn)測(cè)試平臺(tái) LMArena 公布了最新的性能排行榜，其中DeepSeek-R1（0528）的成績(jī)尤為引人矚目

其中，在文本基準(zhǔn)測(cè)試（Text）中，DeepSeek-R1（0528）整體排名第 6，在開放模型中排名第一。

具體到以下細(xì)分領(lǐng)域：

• 在硬提示詞（Hard Prompt）測(cè)試中排名第 4
• 在編程（Coding）測(cè)試中排名第 2
• 在數(shù)學(xué)（Math）測(cè)試中排名第 5
• 在創(chuàng)意性寫作（Creative Writing）測(cè)試中排名第 6
• 在指令遵循（Intruction Fellowing）測(cè)試中排名第 9
• 在更長(zhǎng)查詢（Longer Query）測(cè)試中排名第 8
• 在多輪（Multi-Turn）測(cè)試中排名第 7

此外，在 WebDev Arena 平臺(tái)上，DeepSeek-R1（0528）與 Gemini-2.5-Pro-Preview-06-05、Claude Opus 4 (20250514) 等閉源大模型并列第一，在分?jǐn)?shù)上更是超過了 Claude Opus 4。

WebDev Arena 是 LMArena 團(tuán)隊(duì)開發(fā)的實(shí)時(shí) AI 編程競(jìng)賽平臺(tái)，讓各家大語(yǔ)言模型進(jìn)行網(wǎng)頁(yè)開發(fā)挑戰(zhàn)，衡量的是人類對(duì)模型構(gòu)建美觀且功能強(qiáng)大的 Web 應(yīng)用能力的偏好。

DeepSeek-R1（0528）表現(xiàn)出來的強(qiáng)大性能激起了更多人使用的欲望。

還有人表示，鑒于 Claude 長(zhǎng)期以來一直是 AI 編程領(lǐng)域的基準(zhǔn)，如今 DeepSeek-R1（0528）在性能上與 Claude Opus 相當(dāng)，這是一個(gè)里程碑時(shí)刻，也是開源 AI 的關(guān)鍵時(shí)刻。

DeepSeek-R1（0528）在完全開放的 MIT 協(xié)議下提供了領(lǐng)先的性能，并能與最好的閉源模型媲美。雖然這一突破在 Web 開發(fā)中最為明顯，但其影響可能延伸到更廣泛的編程領(lǐng)域。

不過，原始性能并不能定義現(xiàn)實(shí)世界的表現(xiàn)。雖然 DeepSeek-R1（0528）在技術(shù)能力上可能與 Claude 相當(dāng)，但其是否可以在日常工作流程中提供媲美 Claude 的用戶體驗(yàn)，這些需要更多的實(shí)際驗(yàn)證。

高強(qiáng)度使用過 DeepSeek-R1（0528）的小伙伴，可以在評(píng)論區(qū)留言，談一談自己的體驗(yàn)感受。

https://lmarena.ai/leaderboard/text

https://x.com/lmarena_ai/status/1934650639906197871