DeepSeek R1新版本，幻覺驟降50%

中國國產大模型DeepSeek R1-0528悄悄完成重大升級，核心突破在於幻覺率大幅降低45%-50%。在改寫潤飾、摘要產生、閱讀理解等場景中，新版R1的準確度顯著提升，提供使用者更可靠的輸出。

此次升級並非簡單“打補丁”，而是基於深度思考能力強化的後訓練優化。模型在數學、程式設計等複雜任務中表現特別亮眼：在權威數學測驗AIME 2025中，準確率從舊版的70%飆升至87.5%，解題過程平均消耗token量從12K增至23K，說明其思考深度與邏輯嚴謹性顯著增強。

更令人驚訝的是，新版R1展現了技術普惠的野心：透過蒸餾自身思維鏈訓練出的8B小模型（DeepSeek-R1-0528-Qwen3-8B），在AIME 2024測試中性能直逼Qwen3-235B大模型，為工業界輕量化部署提供新可能。

寫作能力也同步升級。針對議論文、小說等文體，R1可生成結構更完整、文風更貼近人類的長篇內容，同時支援JSON輸出與工具調用（如網頁總結、代碼生成），實用性大幅提升。

目前大模型競爭已進入「可靠性攻堅戰」階段。使用者對幻覺的容忍度持續走低，尤其在學術、商業等嚴肅場景。先前SuperCLUE評量顯示，中文推理模型的平均幻覺率高達22.95%（非推理模型為13.52%），而舊版R1的幻覺率約21%。

DeepSeek R1的幻覺問題曾經是其最大軟肋。 2025年初的測試顯示，其幻覺率（14.3%）顯著高於前代V3模型（3.9%），根源在於強化推理與創造力的副作用：

任務錯配：長思維鏈設計本為提升複雜問題解決能力，卻導致簡單任務（如摘要）被過度複雜化，滋生虛構內容；

獎勵機制偏差：文科類任務訓練中，系統更偏好創造性輸出，弱化了事實查核。

此次升級透過定向優化後訓練流程，在保留強推理能力的同時，對事實性任務施加約束，實現「創造力」與「真實性」的再平衡。

橫向對比全球頂尖模型，新版R1展現出差異化競爭力：

可見，R1在數學與程式碼領域已逼近o3，幻覺控制躍居國產模型首位，但工具呼叫能力仍落後頂尖閉源模型。

DeepSeek R1-0528的升級，不僅是技術參數的提升，更是國產大模型從「能用」到「可靠」的關鍵轉折。幻覺率驟降50%的背後，是團隊對使用者痛點的精準洞察與複雜技術矛盾的巧妙平衡。儘管在工具調用等場景仍需追趕國際頂尖水平，但其在推理深度、事實性保障上的突破，已讓開源模型首次具備與閉源巨頭「掰手腕」的底氣。

大模型的競爭終將回歸價值本質——誰更能為用戶提供穩定、可信賴的智慧服務，誰就能贏得未來。而DeepSeek這次「低調卻硬核」的進化，無疑為這場持久戰注入了新的變數。 （智創獅）