《科创板日报》5月29日讯 deepseek昨晚通过微信交流群通知，其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性能可以媲美openai最新的o3（high）模型。
小k今日以一名普通用户的身份，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在网页上运行的“三国杀”游戏。测试维度包括代码生成、可运行性、模块化能力和交互设计。
deepseek的回答直接输出了完整的网页游戏源码，并且点击能直接运行。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，用户需自行保存为多个文件，运行时还伴有报错，需要手动调试，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”能力上已有显著优势，表现出对前端框架的更好理解。
第2题是一道典型的函数构造与嵌套函数推导题：已知f(f(x))=x2−11x+36f(f(x))=x^2-11x+36，求f(5)。测试维度包括函数反演、代数推理能力和数学逻辑清晰度。
deepseek耗时351秒推导出解法，思考过程非常长，进行了反复演算和验算，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，给出了同样正确的答案，而且逻辑清晰、推理精炼。推出固定点、构造反函数思路合理，无冗余步骤。
这一题尽管deepseek和openai最终均给出了正确答案，但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，共有多少个地市级行政单位与外国接壤？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12个。而deepseek仅回答了5个。
deepseek推理过程中错误理解了“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。
反观openai正确地点名了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，这个文物中记载的年份，有一位唐朝的一代名相去世，请问这位名相有几个儿子？测试维度包括历史考据、细节辨析能力和文献准确性。
deepseek在此题中出现了幻觉，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。
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、新唐书等文献，考证准确。
第5题是：《乐队的夏天》各季top5乐队中一共有多少名女性成员？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，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扮演的角色进行了总结（主唱、贝斯手、鼓手等）。用时不到1分钟即完成高质量统计+表格整理，效率高。
openai也给出了相同的数量，考证细致，但花费近6分钟，在交互场景中显得拖沓。
通过以上实测可以看出，deepseek r1的表现非常接近甚至在部分任务上超过了openai最新o3模型。在代码生成、复杂函数推理、统计等方面，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。
