DeepSeek
DeepSeek-R1 (May 2025) 评测成绩
来自 4 个来源、6 项基准的 6 条成绩。
其他名称: deepseek-r1-0528 · DeepSeek-R1-0528 · deepseek-reasoner
全部评测成绩
| 基准 | 分数 | 名次 | 设定 | 来源类型 | 日期 |
|---|---|---|---|---|---|
| LMArena Text | 1421 | 129 | Overall, style control on; 18171 votes; 95% CI 1416–1427“deepseek-r1-0528” | 官方榜单 | 2026年10月8日 |
| LiveCodeBench | 70.5% | 4 | Code generation, 182 problems dated 2025-01-01…2025-04-07“DeepSeek-R1-0528” | 官方榜单 | 2025年4月7日 |
| GPQA Diamond | 76.3% | 133 | Epoch AI run, accuracy; effort: May 2025 | 独立评测 | 2025年5月29日 |
| MMLU-Pro | 83.4% | 46 | Overall accuracy; data source: Self-Reported; 671B“DeepSeek-R1-0528” | 厂商自报 | 2026年3月11日 |
| AIME (OTIS Mock AIME 2024–2025) | 66.4% | 140 | Epoch AI run, OTIS Mock AIME 2024–2025; effort: May 2025 | 独立评测 | 2025年5月29日 |
| MATH Level 5 | 96.6% | 9 | Epoch AI run, accuracy; effort: May 2025 | 独立评测 | 2025年5月29日 |
本站相关
常见问题
DeepSeek-R1 (May 2025) 的这些评测分数来自哪里？
来自 Epoch AI Benchmarking Hub、LiveCodeBench leaderboard、LMArena leaderboard dataset和MMLU-Pro leaderboard (TIGER-Lab)。每一行都链接到原始榜单、数据集或报告，厂商自报的分数单独标注。