How to anticipate DeepSeek R2

路透今晚報道了 DeepSeek 可能在 5 月前發佈 r2。之前 DeepSeek 研究員 Daya 在 2 月初已經説過：RL 還在早期，今年會看 “顯著進步”（significant progress）

其實在 r1 論文中也提到過：由於目前 RL 訓練數據還很少，R1 的下個版本會大幅提升。

也就是 r1 論文中的下圖，以及論文所述：隨着 RL 數據的增加，模型不僅解決複雜推理任務的能力持續穩定提升，且會自然湧現出一些複雜行為能力，比如 “反思”、“探索不同方法”。這些能力不是人類設計，而是隨着模型在 RL 環境中訓練，自然湧現的。

粗淺的理解，現在不需要算法上的巨大創新，按照目前路線 + 更多算力 +DS 如此強的 infra 能力，基於目前的 V3 基座模型，依然可以取得 r2/r3。當看到 RL 提升邊際放緩，再基於新的基座 V4，繼續做 RL，進一步推進推理模型提升。也就是下面這張圖：（左腳踩右腳示意圖）

而參考 OpenAI 的路線圖，o3 已經決定不發佈完整模型，GPT-4.5 也成了最後一個獨立發佈的基座模型，意味着 GPT-5（混合模型）開始，越來越黑盒。説白了，以後無論是基座模型還是推理模型本身，都是 “原料” 而不是 “最終產品”，CloseAI 和 Anthropic 一定會雪藏。

但 DeepSeek 要做的，就是在別人繼續閉源的時候，繼續開源。r2 應該對標的是 o3 完整版，而 V4 至少應該對標 GPT-4.5，基於 V4+RL 的模型，應該對標是未來的所謂 “GPT-5”。因此合理預期應該是 V4 可能會加入多模態能力，但 r 系列依然是推理模型。且這個過程中，所有的 “原料” 全部開源，不僅原料開源，按照這次代碼的基調，連製造原材料的 “配方” 都直接開源。

這裏面其實沒有什麼 DeepSeek 不知道的秘密，甚至在 infra 層面遠超北美很多模型大廠。今天我們在星球討論的：DeepSeek 甚至可能比英偉達更懂如何使用 GPU。而所謂 Research 上的創新，OpenAI o 系列的靈感也來自於早已發表的 “開源” paper，疊加自己的算力優勢和工程探索實現。説到底沒人全靠自己閉門造車，都受益於全世界 “開源” 研究或實踐的餵養。

因此説回來，相比於 r2，大家反而應該更期待 V4，因為這打開了推理模型另一個 level 天花板，開闢的是另一條全新跑道。r2 是時間表上確定的事情，而 V4 會是一個驚喜。這都會在今年發生。

信息平權，原文標題：《如何預期 DeepSeek R2》

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。