野生DeepSeek火了 速度碾压官方版 权重开：源|

机器之心报道

没等来DeepSeek官方的R2，却迎来了一个速度更快、性能不弱于R1的「野生」变体！

这两天，一个名为「DeepSeekR1T2」的模型火了！

这个模型的速度比R1-0528快200%，比R1快20%。除了速度上的显著优势，它在GPQADiamond（专家级推理能力问答基准）和AIME24（数学推理基准）上的表现均优于R1，但未达到R1-0528的水平。

在技术层面，采用了专家组合（AssemblyofExperts，AoE）技术开发，并融合了DeepSeek官方的V3、R1和R1-0528三大模型。

当然，这个模型也是开源的，遵循MIT协议，并在HuggingFace上开放了权重。

HuggingFace地址：https://huggingface.co/tngtech/DeepSeek-TNG-R1T2-Chimera

经过进一步了解，我们发现：DeepSeekR1T2是德国一家AI咨询公司「TNG」推出的，模型全称为「DeepSeek-TNGR1T2Chimera」（以下简称R1T2）。

该模型除了前文提到的在智力水平和输出效率之间实现完美平衡之外，相较于这家公司的初代模型「R1TChimera」，智力大幅跃升，并实现了突破性的think-token一致性。

不仅如此，即使在没有任何系统提示的情况下，该模型也能表现稳定，提供自然的对话交互体验。

在评论区，有人误以为这个模型出自DeepSeek官方，并且认为他们是不是也在走相同的路线：给模型起各种名称，就是不用主系列下一代版本号？

更多的人认可该模型「找到了智能与输出token长度之间的最佳平衡点，并且提升了速度」，并对该模型在现实世界的表现充满了期待。

模型细节概览

从HuggingFace主页来看，R1T2是一个基于DeepSeekR1-0528、R1以及V3-0324模型构建的AoEChimera模型。

该模型是一个采用DeepSeek-MoETransformer架构的大语言模型，参数规模为671B。

R1T2是该公司4月26日发布的初代模型「R1TChimera」的首个迭代版本。相较于利用双基模型（V3-0324+R1）的初代架构，本次升级到了三心智（Tri-Mind）融合架构，新增基模型R1-0528。

该模型采用AoE技术构建，过程中利用较高精度的直接脑区编辑（directbrainedits）实现。这种精密融合不仅带来全方位提升，更彻底解决了初代R1T的token一致性缺陷。

团队表示，R1T2对比其他模型具备如下优劣：

与DeepSeekR1对比：R1T2有望成为R1的理想替代品，两者几乎可以通用，并且R1T2性能更佳，可直接替换。

与R1-0528对比：如果不需要达到0528级别的最高智能，R1T2相比之下更加经济。

与R1T对比：通常更建议使用R1T2，除非R1T的特定人格是最佳选择、思考token问题不重要，或者极度需求速度。

与DeepSeekV3-0324对比：V3速度更快，如果不太关注智能可以选择V3；但是，如果需要推理能力，R1T2是首选。

此外，R1T2的几点局限性表现在：

R1-0528虽推理耗时更长，但在高难度基准测试中仍优于R1T2；

经SpeechMap.ai（由xlr8harder提供）测评，R1T2应答克制度（reserved）显著高于R1T，但低于R1-0528；

暂不支持函数调用：受R1基模型影响，现阶段不推荐函数调用密集型场景（后续版本可能修复）；

基准测试变更说明：开发版由AIME24+MT-Bench变更为AIME24/25+GPQA-Diamond测评体系，新体系下R1与初代R1T的分差较早期公布数据更大。

最后，关于R1T2中重要的AoE技术，可以参考以下论文。

论文标题：AssemblyofExperts:Linear-timeconstructionoftheChimeraLLMvariantswithemergentandadaptablebehaviors

　　[环球时报报道 记者 倪浩]8月3日，郑钦文夺得2024巴黎奥运会网球女单冠军，实现中国选手在该项目上的历史性突破，也点燃了民众参与网球运动的热情，网球热度随之大涨。接受《环球时报》记者采访的专家认为，体育明星与体育经济会形成正向反馈：体育明星的示范效应会提振相关体育产业、吸引更多人参与到运动中来，大众的广泛参与则会成为“未来明星运动员”诞生的基石。