5月28日，DeepSeek在官方交流群中公布，DeepSeek R1模型已完成小版本試升級(jí)。用戶可在官方網(wǎng)頁、APP、小程序測試（打開深度思考），API接口和使用方式保持不變。DeepSeek在開源社區(qū)Hugging Face也開源了新版R1模型（R1-0528）。

有網(wǎng)友對(duì)新版R1模型進(jìn)行了測試，并表示Deepseek-R1-0528在競賽級(jí)編程的難度基準(zhǔn)LiveCodeBench中的表現(xiàn)幾乎與OpenAI的o3模型相當(dāng)。

社交網(wǎng)絡(luò)和信息網(wǎng)站City-data.com創(chuàng)始人Lech Mazur在社交媒體上表示，Deepseek-R1-0528在Extended NYT Connections基準(zhǔn)測試中比原先的DeepSeek R1有了顯著改進(jìn)，分?jǐn)?shù)從38.6上升到49.8。在Thematic Generation基準(zhǔn)測試中，Deepseek-R1-0528也優(yōu)于DeepSeek R1，分?jǐn)?shù)從1.80變?yōu)?.74，該分?jǐn)?shù)越低越好。Thematic Generation基準(zhǔn)測試衡量各種大模型如何有效地從一小組正例和反例中推斷出一個(gè)細(xì)分或特定的“主題”（類別/規(guī)則），然后在一組具有誤導(dǎo)性的候選項(xiàng)中檢測出哪一項(xiàng)真正符合該主題。

DeepSeek今年春節(jié)期間大火。3月份，DeepSeek V3模型完成小版本升級(jí)。新版V3模型借鑒DeepSeek R1模型訓(xùn)練過程中所使用的強(qiáng)化學(xué)習(xí)技術(shù)，大幅提高了在推理類任務(wù)上的表現(xiàn)水平，在數(shù)學(xué)、代碼類相關(guān)評(píng)測集上取得了超過GPT-4.5的得分成績。在HTML等代碼前端任務(wù)上，新版V3模型生成的代碼可用性更高，視覺效果也更加美觀、富有設(shè)計(jì)感。在中文寫作任務(wù)方面，新版V3模型基于R1的寫作水平進(jìn)行優(yōu)化，同時(shí)提升中長篇文本創(chuàng)作的內(nèi)容質(zhì)量。