飞得高、靠得住——带你了解天问二号“专属座驾”

《科创板日报》5月(yuè)29日讯 DeepSeek昨晚通过微信(wēixìn)交流群通知，其(qí)DeepSeek R1模型完成小版本升级，并在今日凌晨开源了最新版本模型DeepSeek-R1-0528。

代码测试平台Live CodeBench中显示，DeepSeek-R1-0528性能(xìngnéng)可以媲美OpenAI最新(zuìxīn)的o3（High）模型(móxíng)。

小(xiǎo)K今日以一名(yīmíng)普通用户的身份，参考AI基准测试xbench的例题，在DeepSeek和OpenAI官网分别对它们最新的R1模型(móxíng)和o3模型进行了对比测试。

第1题小K请DeepSeek和OpenAI模型分别写了一个可以(kěyǐ)在网页上运行的“三国(sānguó)杀”游戏。测试(cèshì)维度包括代码生成、可运行性、模块化能力和交互设计。

DeepSeek的回答直接(zhíjiē)输出了完整的网页游戏源码(yuánmǎ)，并且点击能(néng)直接运行。前端界面美观，具备基础美术元素，能完成简单对战逻辑。

相比之下，OpenAI给出的解决方案(jiějuéfāngàn)则将前端、脚本和逻辑分别输出在3个独立代码块中，用户需自行保存为(wèi)多个文件，运行时还伴有报错(bàocuò)，需要手动调试(tiáoshì)，不能完成对战。而且界面粗糙、无UI美化。

这道题DeepSeek胜出。DeepSeek模型在“代码工程化”能力上(shàng)已有显著优势，表现出对前端框架的更好(gènghǎo)理解。

第2题是一道典型(diǎnxíng)的函数构造(gòuzào)与嵌套函数推导(tuīdǎo)题：已知f(f(x))=x2−11x+36f(f(x))=x^2-11x+36，求f(5)。测试维度包括(bāokuò)函数反演、代数推理能力和数学逻辑清晰度。

DeepSeek耗时351秒推导出解法，思考过程非常(fēicháng)长，进行了反复演算(yǎnsuàn)和(hé)验算(yànsuàn)，过程详细且逻辑缜密，从代入法到固定点分析再到反设求解，最后合理排除矛盾值，最终得出f(5)=6的唯一解答。

OpenAI则用时仅41秒，给出了同样正确(zhèngquè)的答案，而且逻辑清晰、推理精炼。推出(tuīchū)固定点、构造反函数思路合理，无冗余步骤。

这一题尽管DeepSeek和OpenAI最终均给出(gěichū)了正确答案，但(dàn)DeepSeek推理时间长，在数学题场景仍待优化。

第3题是：黑龙江、吉林、辽宁，共有多少(duōshǎo)个地市级行政(xíngzhèng)单位与外国接壤？测试维度包括地理常识、事实检索和数据整合能力。

这道题的正确答案是(shì)12个。而DeepSeek仅回答了5个。

DeepSeek推理(tuīlǐ)过程中错误理解了“地市级单位”是否一定拥有边境口岸。例如(lìrú)将黑龙江部分地市（如伊春、鹤岗）忽略，导致其推理思路存在漏算(lòusuàn)。

反观OpenAI正确地点(dìdiǎn)名了12个地市。

第4题是：有一个被剪做鞋样的历史文物，对研究唐代均田制起到了重要的作用，这个(zhègè)文物中记载的年份，有一位唐朝的一代(yídài)名相去世，请问这位名相有几个儿子？测试维度包括历史考据、细节辨析(biànxī)能力(nénglì)和文献准确性。

DeepSeek在(zài)此题中出(chū)现了幻觉，造成误判，DeepSeek错将有“一个被剪做鞋样的历史文物”关联至"唐代田界砖"，虽最后回答出“有4子”，但纯属偶合(ǒuhé)。

OpenAI正确识别文物“赵怀满夏田契”署于贞观十七年（643年），对应去世人物为魏徵，并指出魏徵有(wèizhēngyǒu)四子：魏叔玉、魏叔琬、魏叔璘、魏叔瑜。识别精准，逻辑链条完整无误。引用旧唐书、新唐书(xīntángshū)等文献，考证(kǎozhèng)准确(zhǔnquè)。

第5题是：《乐队的夏天》各季top5乐队中一共有多少名(míng)女性成员(chéngyuán)？测试维度包括多维信息提取、成员归属辨析、数据整合能力。

DeepSeek依次列举了三季节目中的Top5乐队(yuèduì)，并从中筛选女性成员（如新裤子的赵梦、刺猬的石璐、安达组合的其其格玛等），统计结果为5位女性成员，并对女性在乐队中所(suǒ)扮演的角色进行了总结（主唱、贝斯手(bèisīshǒu)、鼓手等）。用时不到1分钟即(jí)完成(wánchéng)高质量统计+表格整理，效率高。

OpenAI也给出了(le)相同的数量，考证细致，但花费近6分钟，在交互(jiāohù)场景中显得拖沓。

通过以上实测可以看出，DeepSeek R1的(de)表现非常接近甚至(shènzhì)在部分任务上超过了OpenAI最新O3模型。在代码生成、复杂函数(hánshù)推理、统计(tǒngjì)等方面，DeepSeek展现出全面且稳定的进步，正快速缩小与顶级闭源模型的差距。

（科创板(kēchuàngbǎn)日报 朱凌）