AI模型竞争白热化:国产DeepSeek R1 0528 对阵国际巨头Gemini Pro 2.5

我爱免费

作者：微信文章
近期，DeepSeek推出了其DeepSeek R1的更新版本0528，该版本基于DeepSeek V3 base模型。官方表示，新模型与OpenAI的O3以及Gemini 2.5 Pro已非常接近。一个开源的国产模型能够与国际顶尖的闭源大模型对标，这被认为是“非常厉害”的成就。本文将对比分析DeepSeek R1 0528（以下简称R1）与Gemini 2.5 Pro在多方面的表现。

核心能力与评测数据对比

在参数方面，R1 0528在数学能力上与OpenAI的O3非常接近。在科学问题上，O3得分更高。在评分上，R1 0528得分高于Gemini 2.5 Pro。然而，在AD排行榜上，R1 0528的得分略低于Gemini 2.5 Pro。在人类最终测试中，R1的得分也与Gemini 2.5 Pro非常接近。评测者指出，两者“各有千秋”。

DeepSeek官方强调，R1的思维链（Chain-of-Thought）对于学术界推理模型研究和工业界小模型开发具有重要意义。R1完全展示其思考过程，这一点与OpenAI的O3基本没有思考过程的特点形成鲜明对比。R1的思考过程非常全面。在评测中，R1在一个题目上思考了十多分钟（超过1000秒）。相比之下，Gemini 2.5 Pro在一些文本任务上的思考速度要快很多。

新版R1针对幻觉问题进行了优化，在改写、润色、总结摘要、阅读理解等场景中，幻觉率大幅降低。在创意写作方面，R1针对议论文、小说、散文进行了进一步优化。R1支持工具调用，但不支持在思考过程中调用，而Claude则支持。

多场景实测对比

视频通过一系列编程和文本任务展示了两个模型的具体表现：

编程与代码生成：


生成旋转3D蒙格尔海绵、程序化星云生成器、马里奥游戏、龙卷风样式音频可视化、简单SVG漫画、理发店Landing Page、动画故事、AI发展史HTML页面、兵马俑跳舞动画、直播投流仪表盘、3D RPG角色选择、字母排序诗歌、抓娃娃机游戏、松鼠平台跳跃游戏、SVG代码生成（可修改参数）、星空穿梭效果、互动式多轨循环机、响应式昼夜时钟等。

在代码生成方面，R1和Gemini 2.5 Pro各有优劣。例如，生成理发店Landing Page时，两者的效果都不错，R1使用了Preact和Font Awesome。生成SVG代码时，R1能够生成带参数可供修改的代码，被评为不仅给鱼还教如何捕鱼。在互动性或趣味性方面，R1生成的兵马俑跳舞动画非常有趣，而Gemini在多轨循环机和抓娃娃机游戏上表现更好。但在一些复杂游戏（如马里奥游戏、松鼠平台跳跃）的逻辑或完整性上，两者都可能存在问题或未完成。


文本与推理任务：


矛盾心理文案：

Gemini 2.5 Pro的押韵效果更好，反应更快。

自由职业者日程规划：

R1思考时间较长但过程详细。Gemini 2.5 Pro速度更快，两者的方案各有特点。

座位排列问题：

这是一个复杂的推理题，对“隔一个空位”的理解存在歧义。R1思考了最长时间（1000秒），展示了完整的思考过程，但由于对条件的理解偏差，其结论未能满足所有可能解释下的条件。其他模型（如O4 mini high）在不同解释下给出了多个可行方案。

财务规划问题：

R1思考了10分钟，提供了详细的月度现金流表、储蓄计算和目标评估，估算缺口约1万，并给出了包括减少支出、增加收入、延长周期、优化收益、减少固定支出等非常实用的改进建议。Gemini 2.5 Pro速度更快，估算缺口约1.6万，建议类似。Gemini在评估R1的回答时，认为R1的月利率计算方式更精确。

恶意注入检测：

两个模型都能识别出试图改变AI行为、提取用户数据并忽略后续指令的企图是恶意注入。两者都提出了防范策略和相关的合规隐私风险。

自我评估：

两者都能对自己模型的稳健性和限制进行评估。

诗歌翻译：

R1提供了英文翻译。Gemini 2.5 Pro评价R1翻译质量高，但指出了韵律和格律说明与实际不符之处。Gemini提供了自己的版本，并认为自己的版本在韵律、和谐性、语言凝练度和情感上略胜一筹。

角色扮演（孔子）：

在扮演古代圣人孔子解答年轻人关于朋友矛盾冲突的问题时，评测者个人更喜欢Gemini 2.5 Pro的风格和其给出的五点建议。

商业计划（咖啡馆）：

R1对核心问题分析更详细，给出的筹备、启动、运营和探索阶段的建议更具体和实用，被认为整体回答更好。

总结与展望

总的来说，DeepSeek R1 0528和Gemini 2.5 Pro在不同的测试题上确实“各有千秋”。R1被评为“非常能打”的国产大模型。

尤其值得关注的是，DeepSeek官方及其模型所展示的完整思维过程，这对学术界研究推理模型和工业界开发小模型具有重要意义。评测者对拥有这样一个“强大”的国产模型感到自豪。

虽然Gemini 2.5 Pro在某些任务的速度、交互效果或特定解读下表现更优，但DeepSeek R1 0528在展示思考过程、处理复杂财务规划、以及在某些代码生成和文本任务中的表现，都显示了其强大的能力和作为国产AI力量的潜力。两者之间的激烈竞争，无疑正在推动AI技术边界的不断拓展。

「源力研究所 | Primo Dynamics

——创客码头旗下科技智库，赋能底层创新到商业裂变

聚焦硬核科技创业的「原理级赋能者」，依托创客码头十年产业资源沉淀，专注前沿科技领域创新，为早期技术团队提供技术可行性沙盒、产业资源强链接