DeepSeek-R1-0528 评测详情

DeepSeek-R1-0528 当前已收录的代表性评测结果包括 MMLU-Pro（28 / 175，得分 85）、MATH-500（8 / 46，得分 98）、AIME 2024（13 / 61，得分 91.40）。

评测结果

DeepSeek-R1-0528

评测结果

综合知识考试

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考模式

85

28 / 175

思考模式

17.70

169 / 235

抽象归纳与泛化

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考模式

21.20

157 / 176

思考模式

1.30

151 / 164

科学知识与推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考模式

81

122 / 253

思考模式

1.40

139 / 204

事实可靠性与幻觉

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

27.80

27 / 46

仓库修复与多文件工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

思考模式

57.60

86 / 116

数学

共 5 项评测

评测名称 / 模式

得分

排名/总数

思考模式

98

8 / 46

思考模式

91.40

13 / 61

思考模式

87.50

49 / 110

思考模式

29

7 / 16

IMO-ProofBench Advanced

思考模式

3.80

22 / 24

算法与竞赛编程

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

73.30

49 / 125

写作与创意表达

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1421.10

66 / 113

自主开发与终端任务

共 3 项评测

评测名称 / 模式

得分

排名/总数

思考模式

71.40

15 / 59

Terminal Bench Hard

思考模式工具

15.90

165 / 244

思考模式

5.70

35 / 35

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

40.80

68 / 96

跨能力聚合指数

共 1 项评测

评测名称 / 模式

得分

排名/总数

unknown

141.30

91 / 167

与其他模型对比