国产开源模型强势追击！DeepSeek与OpenAI最新模型实测对决

《科创板日报》5月(yuè)29日讯 DeepSeek昨晚通过微信交流群通知(tōngzhī)，其DeepSeek R1模型完成小版本(bǎnběn)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今日以一名普通用户的身份，参考AI基准测试xbench的例题(lìtí)，在DeepSeek和(hé)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(shàng)运行的“三国(sānguó)杀”游戏。测试维度包括代码生成、可运行性、模块化(mókuàihuà)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(diǎnjī)能直接运行。前端界面美观，具备基础美术元素，能完成(wánchéng)简单对战(duìzhàn)逻辑。

相比之下，OpenAI给出的解决方案则将(jiāng)前端、脚本(jiǎoběn)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(wénjiàn)，运行时还伴有报错，需要手动调试，不能完成对战。而且(érqiě)界面粗糙、无UI美化。

这道题DeepSeek胜出(shèngchū)。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理解。

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

DeepSeek耗时(hàoshí)351秒推导(tuīdǎo)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(fǎdào)固定点分析再到反设求解，最后(zuìhòu)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(le)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(rǒngyú)步骤。

这一题尽管DeepSeek和OpenAI最终均给出了正确(zhèngquè)答案，但DeepSeek推理(tuīlǐ)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(gòngyǒu)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(jiǎnsuǒ)和数据整合能力。

这道题的正确答案是12个。而(ér)DeepSeek仅回答了5个。

DeepSeek推理过程中错误理解了“地市级(dìshìjí)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(hègǎng)）忽略，导致其推理思路存在漏算(lòusuàn)。

反观(fǎnguān)OpenAI正确地点名了12个地市。

第4题(tí)是：有一个被剪做鞋样的历史文物，对研究(yánjiū)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(jǐgè)儿子？测试维度包括历史考据(kǎojù)、细节辨析能力和文献准确性。

DeepSeek在此题中出(chū)现了幻觉，造成误判，DeepSeek错将(jiāng)有“一个(yígè)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(duìyìng)去世人物为魏徵，并(bìng)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(wánzhěng)无误。引用旧唐书(jiùtángshū)、新唐书等文献，考证准确。

第5题是：《乐队的夏天》各季(gèjì)top5乐队中一共(yīgòng)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(cìwèi)的石璐、安达组合(zǔhé)的其其格玛等），统计结果(jiéguǒ)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(gāozhìliàng)统计+表格整理(zhěnglǐ)，效率高。

OpenAI也给出(gěichū)了相同的数量，考证细致，但花费近(jìn)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(chāoguò)了(le)OpenAI最新O3模型。在代码生成、复杂函数(hánshù)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(yǔ)顶级闭源模型的差距。

（科创板(kēchuàngbǎn)日报 朱凌）