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29日讯 DeepSeek昨晚通过微信交流群(qún)通知，其DeepSeek R1模型(móxíng)完成小版本升级(bǎnběnshēngjí)，并在今日凌晨开源了最新版本模型DeepSeek-R1-0528。

代码(dàimǎ)测试平台Live CodeBench中显示，DeepSeek-R1-0528性能(xìngnéng)可以(kěyǐ)媲美OpenAI最新的o3（High）模型。

小K今日以(yǐ)一名普通用户的(de)身份，参考AI基准测试xbench的例题，在DeepSeek和OpenAI官网分别对它们最新的R1模型和o3模型进行(jìnxíng)了对比测试。

第1题小K请DeepSeek和OpenAI模型分别写了一个可以(kěyǐ)在网页上运行的“三国杀”游戏(yóuxì)。测试维度(wéidù)包括代码生成、可运行性、模块化能力和交互设计。

DeepSeek的回答直接(zhíjiē)输出了完整的网页(wǎngyè)游戏源码，并且点击能直接运行。前端界面美观，具备基础美术(měishù)元素，能完成简单对战逻辑。

相比之下(xiāngbǐzhīxià)，OpenAI给出的(de)解决方案则将前端、脚本和逻辑分别输出在(zài)3个独立代码块中，用户需自行保存为多个文件，运行时还(hái)伴有报错，需要手动调试，不能完成对战。而且界面粗糙、无UI美化。

这道题DeepSeek胜出。DeepSeek模型在“代码工程化(gōngchénghuà)”能力上已有显著优势，表现出对前端框架的更好理解(lǐjiě)。

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

DeepSeek耗时(hàoshí)351秒推导出解法，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，从代入法到固定点分析(fēnxī)再到(zàidào)反设求解，最后合理排除矛盾值，最终得出(déchū)f(5)=6的唯一解答。

OpenAI则用时仅41秒，给出了同样正确的答案，而且逻辑(luójí)清晰、推理精炼。推出固定点、构造反函数(fǎnhánshù)思路合理，无冗余步骤。

这一题尽管DeepSeek和OpenAI最终均给出(gěichū)了正确(zhèngquè)答案，但DeepSeek推理时间长，在数学题场景仍待优化。

第3题是(shì)：黑龙江、吉林(jílín)、辽宁，共有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、事实检索和数据整合能力。

这道题的正确(zhèngquè)答案是12个。而DeepSeek仅回答了5个。

DeepSeek推理过程中错误理解了“地市级单位”是否一定拥有边境口岸(kǒuàn)。例如(rú)将黑龙江部分地市（如伊春、鹤岗）忽略，导致(dǎozhì)其推理思路存在漏算。

反观OpenAI正确地点名了12个(gè)地市。

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

DeepSeek在此题中出现了幻觉，造成误判(wùpàn)，DeepSeek错(cuò)将有(yǒu)“一个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(yúzhēnguàn)十七年（643年），对应去世人物为魏徵，并指出魏徵有四子：魏叔玉(wèishūyù)、魏叔琬、魏叔璘、魏叔瑜。识别精准，逻辑链条(liàntiáo)完整(wánzhěng)无误。引用旧唐书、新唐书等文献，考证准确。

第5题是：《乐队的夏天(xiàtiān)》各季top5乐队中一共有多少名女性成员？测试维度包括多维信息提取、成员归属辨析、数据整合能力(nénglì)。

DeepSeek依次列举了(le)三季节目(jiémù)中的Top5乐队，并从中筛选女性(nǚxìng)成员（如新裤子的赵梦、刺猬(cìwèi)的石璐、安达组合的其其格玛等），统计结果为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(bèisīshǒu)、鼓手等）。用时不到1分钟即完成高质量统计+表格整理，效率高。

OpenAI也给出了相同的数量，考证细致(xìzhì)，但花费近6分钟，在(zài)交互场景中显得拖沓。

通过以上实测可以(kěyǐ)看出，DeepSeek R1的表现非常接近甚至在(zài)部分任务(rènwù)上超过了OpenAI最新O3模型。在代码生成、复杂函数推理、统计等方面，DeepSeek展现出(zhǎnxiànchū)全面且稳定的进步，正快速缩小与顶级闭源模型的差距。

（科创板日报 朱凌(zhūlíng)）