如何预期DeepSeek R2

路透今晚报道了DeepSeek可能在5月前发布r2。 之前DeepSeek研究员Daya在2月初已经说过： RL还在早期，今年会看“显著进步” （significant progress）

其实在r1论文中也提到过： 由于目前RL训练数据还很少，R1的下个版本会大幅提升。

也就是 r1论文中的下图，以及论文所述：随着RL数据的增加，模型不仅解决复杂推理任务的能力持续稳定提升，且会自然涌现出一些复杂行为能力，比如“反思”、“探索不同方法”。这些能力不是人类设计，而是随着模型在RL环境中训练，自然涌现的。

粗浅的理解， 现在不需要算法上的巨大创新，按照目前路线+更多算力+DS如此强的infra能力，基于目前的V3基座模型，依然可以取得r2/r3。 当看到RL提升边际放缓，再基于新的基座V4，继续做RL，进一步推进推理模型提升 。也就是下面这张图：（左脚踩右脚示意图）

而参考OpenAI的路线图，o3已经决定不发布完整模型，GPT-4.5也成了最后一个独立发布的基座模型， 意味着GPT-5（混合模型）开始，越来越黑盒 。说白了，以后 无论是基座模型还是推理模型本身，都是“原料”而不是“最终产品” ，CloseAI和Anthropic一定会雪藏。