最近，摩根士丹利的一份研报提前曝光了R2的关键信息，引发了业内的广泛关注。本文将为你详细解读DeepSeek R2的核心亮点，供大家参考。
DeepSeek R2模型终于有新消息了！
最近，顶级投行摩根士丹利发布了一则研报，提前曝光了DeepSeek即将发布的全新一代模型——R2。
这个研报篇幅不长，但信息巨大。话不多说！快跟着乌鸦君一起来看看吧。
这次R2的核心变化有两个：参数翻倍和成本下降。
先说前者，R2 模型的体量直接飙到1.2万亿参数，是之前 R1 的两倍多，活跃参数也从370亿 涨到了780亿，推理时调用更多“脑细胞”，意味着模型思考得更深，输出质量自然也水涨船高。
这种思路，其实和 Google 的 Gemini、Anthropic 的 Claude 类似——通过增加每次调用中参与运算的参数量来增强推理质量。例如，Gemini 2.5 Pro使用的Token比R1-0528多30%。
虽然这会提升计算成本，但对于终端用户来说，换来的是更聪明、更会“想事”的模型，值了。
另一大变化是，模型成本更便宜了。
根据大摩消息，R2的每百万Token输入成本只有0.07美元，比R1的0.15-0.16美元下降了一半还多；输出成本更厉害，从原先R1模型的其每百万Token2.19美元，大幅下降到0.27美元。
这个价格远远低于OpenAI的GPT-4o等最先进的模型。GPT-4o的API定价为输入每1百万个Token2.50美元，输出每1百万个Token 10.00美元。
也就是说，R2的价格比GPT-4o等最先进的模型便宜了97%。
对创业公司、开发者、企业来说，这无疑是巨大诱惑：不仅推理效果强，还能把使用成本打到地板价，商业化空间大大拓宽。
除了参数和价格，R2还有三大升级亮点：
1）多语言推理和代码生成能力大幅提升。据说，DeepSeek正在优先提升R2的编码能力，以及英语以外语言的能力，以扩大该模型对全球受众的潜在影响和适用性；
2）引入了更高效的 MoE混合专家架构，推理效率更高，激活参数选择更智能。该架构将人工智能模型分成独立的子网，这些子网根据输入选择性地激活。这种方法可以显著降低预训练的计算成本，并实现更快的推理性能；
3）多模态支持更强，视觉能力也比之前更上一个台阶；
简单来说，R2不仅“想得更深”，还能“看得更清楚”。
在性能提升的同时，DeepSeek也正在摆脱对H100的依赖，实现本土算力突破。
据大摩透露，这次 DeepSeek 并没有依赖传统的 NVIDIA H100 芯片，而是用上了华为的昇腾910B芯片集群。虽然生态上华为还追不上英伟达，但这已经是国产芯片参与大模型实战的重要突破了。
DeepSeek正在努力建立一个本地硬件供应链，以减少对美国制造的芯片的依赖。时至今日，R2模型背后已经形成了一个强大的本土供应链体系。
目前，DeepSeek的模型家族主要有三大产品：
其中，DeepSeek-Prover-V2于今年4月发布的新模型。Prover-V2并非通用的模型，而是一个高度专业化的数学证明模型，基于DeepSeek V3，采用了改进的MoE架构和压缩的kV缓存以减少内存消耗。
抛开新发布的数学证明模型，DeepSeek的大模型升级路线主要有条：
从过去看，DeepSeek的模型迭代节奏比较固定，基本遵循“2小1大”的规律：即每两个月会有一个小版本更新，接着进行一个大版本换代。
以通用模型V1为例，V1是在2023年11月发布，V2的发布时间则是2024年5月，而V3的发布时间则到了2024年12月。按这个节奏，2025年6、7月份，DeepSeek会有一个比较大的版本更迭。
就在R2发布前不久（同样是5月29日），DeepSeek也发布了一个没改版本号但改得不小的强化版 —— R1-0528。
虽然架构没动，但这版本引入了强化学习训练（RLHF），推理深度明显加强。官方评估显示：用了9900万个token完成评测任务，比原来的R1多了40%，思考更深、过程更复杂，表现当然更好。
成绩单也很漂亮：
用户反馈也很正面，特别是在逻辑、编程和交互能力上提升显著。
这次 R1-0528 升级得这么猛，很多人开始怀疑：这是不是就是传说中的R2？不过目前官方并没有正面回应，这个说法还没实锤。
虽然大摩说R2快来了，但按 DeepSeek 一贯的节奏推测，真正的 R2 估计还得再等等。这波升级，更像是“压线偷跑”的大版本优化，而不是正代更新。
文/林白
本文由人人都是产品经理作者【乌鸦智能说】，微信公众号：【乌鸦智能说】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自DeepSeek官网截图
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。