新版DeepSeek-R1-0528多项能力变弱！虽然推理能力变强

DeepSeek-R1首发于2025年1月底，而最新版本发布于5月58日，即DeepSeek-R1-0528。官方也给出了在主流英文评测集（偏向数学、推理及编程能力）上的前后效果对比，如下：

那么在中文上的效果提升多少呢？我们基于8大领域（300多个细分维度）的中文评测给出回答：

类别	DeepSeek-R1	DeepSeek-R1-0528	变化
总分	80.9	81.7	+1%
医疗	82.3	80.7	-2%
教育	86.1	84.5	-2%
金融	82.9	78.0	-6%
法律	73.8	72.2	-2%
行政公务	84.7	96.7	+14%
心理健康	70.8	70.8	0%
推理与数学计算	83.2	87.7	+5%
语言与指令遵从	83.4	82.9	-1%

更多细分维度结果详见：https://github.com/jeinlee1991/chinese-llm-benchmark

总结

• 显著增强：行政公务、推理与数学计算 大幅优化。  
• 变弱：金融（↓4.9）、法律（↓1.6）、教育（↓1.6）、医疗（↓1.6） 均有所下降，其中金融领域降幅较大。  
• 基本稳定：心理健康、语言与指令遵从变化极小。  

新版在行政公务和推理与数学计算方面表现更优，但金融、法律、教育、医疗等专业领域能力略有下滑，可能因优化方向侧重不同。

---

关于大模型评测NoneLinear：https://nonelinear.com

1. 最全——全球最全大模型评测平台，已囊括200+大模型、300+评测维度

2. 最新——每周更新大模型排行榜

3. 最方便——无需注册/梯子，国内外各个大模型可一键评测

4. 结果可见——所有大模型评测的方法、题集、过程、得分结果，可见可追溯

5. 错题本——百万级大模型缺陷库

6. 免费——为您的私有模型提供免费的全方位评测服务，欢迎私信