这一进步得益于模型在推理过程中的思维深度增强：在 AIME 2025 测试集上，旧版模型平均每题使用 12K tokens，而新版模型平均每题使用 23K tokens， 表明其在解题过程中进行了更为详尽和深入的思考。 此外，新版 DeepSeek R1 针对"幻觉"问题进行了优化。与旧版相比，更新后的模型在改写润色、总结摘要、阅读理解等场景中，幻觉率降低了 45～50% 左右，能够有效地提供更为准确、可靠的结果。在旧版 R1 的基础上，更新后的 R1 模型针对议论文、小说、散文等文体进行了进一步优化，能够输出篇 幅更长、结构内容更完整的长篇作品，同时呈现出更加贴近人类偏好的写作风格。 | Benchmarks | DeepSeek-R1- | OpenAI- | Gemini-2.5- | Qwen3- | DeepSeek-R1 | | --- | --- | --- | --- | --- | --- | | | 0528 | 03 | Pro-0506 | 235B | | | AIME 2024 数学竞赛 pass@1 | 91.4 | 91.6 | 90.8 | 85.7 | 79.8 | | A ...