DeepSeek 發表 R1-0528 更新版：推理準確率大躍進，開源商用免費用

2025 年 5 月 28 日，中國 AI 新創 DeepSeek 透過 WeChat 貼文低調公告，發表推理模型 R1 的重大更新版本「DeepSeek-R1-0528」，並同步上架至 Hugging Face 開放下載。這次更新沒有召開發表會、沒有官方部落格長文，卻在技術指標上交出了亮眼成績單。

DeepSeek-R1-0528 延續原始 R1 的架構，同樣建構於 DeepSeek-V3 Base 模型之上，總參數量達 6710 億。官方公布的關鍵數據顯示：在 AIME（美國數學邀請賽）測試題上，模型的平均準確率從前代的 70% 大幅提升至 87.5%；與此同時，模型解一道題目所使用的平均 token 數，也從約 1.2 萬個增加到 2.3 萬個，幾乎翻倍。換句話說，新版模型「想得更久、也想得更準」——透過投入更多運算資源進行更深入的推理鏈，換取大幅降低的錯誤率與幻覺風險。此外，R1-0528 新增支援「系統提示詞」（system prompt）功能，且不再需要透過特定標籤才能強制模型輸出完整推理過程，使用彈性更接近一般商用大模型的操作習慣。整個模型以 MIT 授權釋出，允許商業使用。

「想更久」換「答更準」：推理模型的資源代價

R1-0528 的數據揭示了當前推理型 AI 模型的一個核心趨勢：準確率的提升，往往直接對應更高的運算成本。token 用量翻倍意味著回應時間更長、算力消耗更大，這對企業而言是一筆需要納入評估的實際成本，而非單純「模型變聰明了」這麼簡單。這也解釋了為何 DeepSeek 選擇低調發表而非大肆宣傳——這更像是一次紮實的工程優化，而非話題性的產品發布。

與前代及市場的對比

相較於 2025 年 1 月首發的原始 R1（當時以遠低於 OpenAI o1 的訓練成本震撼業界），R1-0528 證明 DeepSeek 團隊仍持續投入後訓練優化技術（post-training），而非一次性的曇花一現。以 MIT 授權開源並允許商用，延續了 DeepSeek 一貫「開源普惠」的市場策略，與同期各家逐漸走向閉源、訂閱制的推理模型（如 OpenAI o3/o4-mini）形成鮮明對比，持續對整個推理模型市場的定價與授權模式施加下行壓力。

業界反應：低調發表反而更具說服力

此次更新選擇透過 WeChat 貼文公告，而非正式新聞稿或發表會，被部分觀察者解讀為一種「用數據說話」的自信姿態——不需要行銷包裝，開放下載、公開跑分即可讓開發者社群自行驗證。這種發表方式也再次凸顯開源 AI 生態圈與傳統科技巨頭發表節奏的差異：更新頻率快、資訊透明度高，但也需要使用者自行留意版本異動與相容性。

對管理者而言，這則新聞的意義不在於「多一個模型可用」，而在於推理型 AI 的準確率門檻正在快速墊高——過去被視為「AI 常出錯不能全信」的推理任務（如數據分析、邏輯推演、複雜文件審閱），如今犯錯風險已顯著降低，值得重新評估是否可以將部分內部分析或客服應答流程，交由開源推理模型分擔，同時留意隨之而來的運算成本增加。