在官方DePseek R2到达之前，我们领导了一个“野生”变体，其速度较低，性能低于R1。在过去的两天中，一种称为“ DeepSeek R1T2”的模型变得流行了！该模型比R1-0528快200％，比R1快20％。除了速度的最大优势外，它在GPQA钻石（专家级别的推理推理）和AIME 24（数学推理参考点）中都超过了R1，但未达到R1-0528。在技​​术层面，开发了专家会议技术（AOE），并集成了三个主要模型：DeepSeek的V3，R1和R1-0528。当然，该模型也是开源的，它可以按照MIT协议打开覆盖面的重量。面部地址：https：//huggingface.co/tngtech/deepseak-tng-r1t2-chimeraafter附加理解，发现DepSeek R1T2是由德国德国德国德国咨询公司TNG推出的。 Modelor Complete称为“ DeepSeek-Tng R1T2 Chimera”（以下是C，CAlled R1T2）。除了上面在智能水平和产出效率之间提到的完美平衡外，与公司的第一个模型R1T Chimera相比，该模型还显着提高了智能，从而实现了创新同步令牌的一致性。不仅如此，即使没有系统消息，该模型也可以稳定执行，并提供自然的对话和互动体验。在评论部分中，我错误地认为该模型来自Speedseek官员，并且也采用了相同的路线。给您的模型多种名称。请勿使用主系列的下一代版本号。越来越多的人意识到，该模型“找到了智力与输出令牌的长度和速度的提高之间的最佳平衡”，并且对现实世界中模型的性能充满了期望。型号详细信息一般说明拥抱面本主页上的R1T2是基于DepSeek R的AOE Chimera型号1-0528，R1和V3-0324型号。该模型是一种大规模的语言模型，它使用具有671B参数量表的TransSeek-MoE Trans结构。 R1T2是该公司于4月26日推出的第一代模型R1T Chimera的第一次迭代。与使用双基本型号（V3-0324 + R1）的第一代体系结构相比，这次已将其更新为3memas融合体系结构，并添加了新的基础。 R1-0528型号。该模型是使用AOE构建的，并使用高精度直接大脑版本实现了技术。这种精确的融合不仅提供了全面的改进，而且还可以完全解决第一代R1代币的一致性中的缺陷。该小组表示，与其他模型相比，R1T2具有以下优点和缺点：DeepSeekr1：与R1T2相比，预计它将是R1的理想选择。两者几乎都是通用的，R1T2提高了性能和直接替换。与R1-0528：R1T相比与您不需要达到最高智能0528的最高水平相比，2通常建议使用R1T：R1T2，除非R1T的特定个性是最佳选择，否则通常建议使用。与DeepSeek v3-0324：V3相比，如果您对智力的关注不多，可以选择V3。但是，如果您需要推理能力，则R1T2是您的第一个选择。另外，R1T2限制反映在R1-0528中，但在高级参考测试中大于R1T2。在通过SpeechMap.ai（由XLR8HARDER提供）评估后，R1T2响应革兰am系统（保留）显着高于R1T，Pero低于R1-0528。功能调用与当下不兼容。在此阶段不建议使用基于R1的模型（可以修复后续版本）的密集呼叫场景。参考测试更改：开发版本已从AIME24+MT银行更改为AIMA24/25+GPQA-DIAMOND CLASSIFIFICAT离子系统以及新系统中R1和R1T第一代的差异远远超过了先前已发布的数据的差异。它也越来越大。最后，有关R1T2的重要AOE技术，请参见以下文章：文档标题：专家组装：具有新兴和适应性行为的Chimera LLM变体的线性时间构建纸质地址：https：//arxiv.org/pdf/pdf/2506.14794参考链接： https://x.com/tngtech/status/1940531045432283412