DeepSeek-R2為什么還沒發？

全網翹首以盼的DeepSeek-R2，再次被曝推遲！

據The Information報道，由于DeepSeek CEO梁文鋒始終對R2的表現不滿意，因此R2遲遲未能發布。

此外，他們還援引兩位國內知情人士的消息稱，R2研發進程緩慢可能是由于缺少英偉達H20芯片。

要知道R1的訓練總計耗費了3萬塊H20（國內特供版）、1萬塊H800和1萬塊H100。

所以在H20吃緊的情況下，預計耗費更多算力資源的R2難免受到波及。

事實上，這不是R2第一次被曝項目延期了，最早能追溯到今年4月——

一覽R2“難產”始末

仔細一梳理，原來人們對R2的期待，早在V3新版本出來后就開始了。

去年12月底，DeepSeek發布了至今被視為“性價比代表”的DeepSeek-V3模型。到了今年3月24日，官方發布公告稱對V3進行了一次升級，新版本代號為V3-0324。

雖然官方輕描淡寫只說是“小版本升級”，但很多人實測下來可一點也不小。

于是人們開始推測，在V3-0324已經取得明顯進步的情況下，是不是可以用它來訓練R2模型。

這里需要補充一下，DeepSeek主打推理的R1模型，正是在DeepSeek-V3-Base的基礎上，結合冷啟動數據和多階段訓練流程構建的。

所以說，V3更新了，R2還會遠嗎？

并且結合R1是在初代V3一個月之后發布，當時人們按照這一節奏預測——

R2大概率將在4月上線。（網友os：3月發布V3-0324，4月上R2，完美~）

剛進入4月，DeepSeek就發了一篇關于推理時Scaling Law的論文，引得大家紛紛聯想是不是R2馬上要來了。

論文題目為《Inference-Time Scaling for Generalist Reward Modeling》，由DeepSeek和清華大學共同提出。

他們核心提出了一種叫做SPCT（Self-Principled Critique Tuning）的方法——

首次提出通過在線強化學習（RL）優化原則和批判生成，實現推理時擴展。

之所以要做這么一項研究，是因為之前大家用獎勵模型（Reward Model, RM）在RL中為大語言模型生成獎勵信號。但現有的RM在通用領域卻表現出受限的情況，尤其是在面對復雜、多樣化任務的時候。

不過論文發布后，中間一直沒啥動靜。

直到4月底，坊間開始瘋傳一組R2的泄露參數：1.2T萬億參數，5.2PB訓練數據，高效利用華為芯片……一整個真假難辨。

時間不知不覺就進入了5月，R2依舊沒有絲毫官方消息。

5月中旬，DeepSeek發布了一篇有梁文鋒親自署名的論文。

這一次，團隊把DeepSeek-V3在訓練和推理過程中，如何解決“硬件瓶頸”的方法公布了出來。

后來又在月末端午節前，官方上線了新版R1——DeepSeek-R1-0528。

看名字你可能以為是個小版本更新，但實際上它在LiveCodeBench上幾乎與OpenAI o3-high相當。

由于編程能力強悍，當時一眾網友驚呼：講真這其實就是R2吧！

但直到目前為止，R2依舊未能真正和大家見面。

網友反應亮了

BTW，就在The Information曝出延遲消息后，Reddit相關帖子下最高贊網友表示：

我相信延遲是值得的。

畢竟Llama 4 翻車在前，“沒有人愿意成為下一個失誤者”。

但與此同時，也有人合理推測，R2好歹要等V4出來再說。

理由是，從官方當前發布的論文和一些版本更新來看，V3可能已經到達極限了。

嗯，6月即將結束，誰說7月不值得期待呢（doge）。