DeepSeek тихо випустив V2 версію статті R1, розкриваючи кілька ключових технологічних досягнень.

Щодо проблеми автентичності вмісту, що генерується великими мовними моделями, вони дали офіційне пояснення. Стосовно явища, коли модель часто посилається на OpenAI та ChatGPT при відповідях, DeepSeek пояснює, що це не було навмисним проєктуванням, а походить від об'єктивної реальності навчальних даних — у веб-корпусах об'єктивно існує велика кількість зовнішньо згенерованого вмісту, який, коли включається до навчання базової моделі, створює непрямий, але вимірюваний вплив. Це відкриття має важливе значення для розуміння характеристик поведінки LLM та залежності від даних.

Ще більш гідне уваги — їх планування щодо майбутніх напрямів розвитку можливостей. Стаття чітко визначає «структурований результат» та «використання інструментів» як основні напрями розвитку R2. Структурований результат дозволяє моделі організовувати інформацію за певним форматом, підвищуючи практичність у реальних застосуваннях; використання інструментів стосується здатності моделі взаємодіяти з зовнішніми системами, що є критичним для розширення практичних меж застосування моделей міркування. Ці напрями технологічної еволюції відображають тренд переходу від чистого текстового генерування до мультимодальності та сильної здатності до взаємодії.