在R2官员R2到达之前，它始于一个“狂野”变体，其速度更快，并且性能弱！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％。除了高于速度的显着优势外，它还超过了R1到相同的GPQA钻石（专家对Q＆A基准的理解水平）和AIME 24（数学警告基准），但未达到R1-0528。在技​​术层面上，开发了专家组装（AOE）技术，并集成了官方V3，R1和R1-0528的三个主要模型。当然，遵循麻省理工学院协议并在拥抱脸上开放权重。拥抱面孔地址：https：//huggingface.co/tngtech/deepseek-tng-r1t2-奇玛拉经过进一步的了解，我们发现DeepSeek R1T2是由德国咨询公司“ TNG”推出的。整个型号称为“ DeepSeek-Tng R1T2 Chimera”（来自然后称为R1T2）。除了上述智能和产出效率水平之间的完美平衡外，与公司的第一个模型“ R1T嵌合体”相比，该模型已经完全跳入了智能，并取得了突破。不仅如此，即使没有任何系统信号，该模型也可以稳定地发挥作用，并提供自然的对话和互动体验。在评论部分中，有些人错误地认为该模型来自DeepSeek官员，并认为他们也采用了相同的路线：给模型不同的名称，不仅使用主系列版本的下一个代理版本吗？越来越多的人发现，该模型是“纳塔氏素是智力与代币长度的智能和输出之间的最佳平衡，并提高速度”，并且对现实世界中模型性能的期望充满了期望。 R1T2的拥抱面部主页中的模型详细信息概述是建立在DeepSeek R1-0528，R1和V3-0的AOE Chimera模型324型。 DeepSeek-Moe的建筑变压器，参数量表为671b。升级到三链融合体系结构，添加了一个新的基本模型R1-0528.la，可以完全开发改进，但是第一代R1T的令牌一致性的缺陷也得到了充分解决。该小组表示，与其他模型相比，R1T2具有以下优点和缺点：与DeepSeek R1：R1T2相比，预计将是R1的良好替代品。两者几乎都是通用的，R1T2具有更好的性能，可以直接替换。与R1-0528：R1T2相比，相比之下，如果您不必达到最高水平的智能0528。与R1T：R1T2相比，通常推荐使用R1T：R1T的特定个性是最佳选择，而是考虑到代币问题，则不重要，或者速度完全要求。与DeepSeek V3-0324：V3相比，V3更快，如果您不关注智能，则可以选择V3；但是，如果kinrequires a有道理的是，R1T2是首选。此外，即使R1-0528持续更长的理由，R1T2限制也可以看到它，它在高差异基准测试中甚至比R1T2更好。在通过SpeechMap.ai分析（由XLR8HARDER提供）后，R1T2响应革兰am系统（保留）高于R1T，但小于R1-0528。暂时不支持功能调用：受R1基本模型的影响，在此阶段不建议呼叫密集型功能方案（可以调整后续版本）；基准测试更改：开发版本已从AIE24+MT基础台上更改为AIME24/25+GPQ-DIAMOND评估系统，而新系统下R1和第一代R1T之间的差异大于以前发布的数据。最后，有关R1T2中重要的AOE技术，请参阅以下论文。纸张标题：专家组装：带有嵌合LLM变体的线性时间构建和适应性纸张地址：https：//arxiv.org/pdf/2506.14794参考链接：https：//x.com/tngtech/status/194053104545432283412