DeepSeek-R2 姗姗来迟，业内人士似乎等不及了？这不，德国 TNG Technology Consulting GmbH 公司（下称 TNG）基于 DeepSeek R1-0528 新版本，推出了一款速度提升 200% 的 DeepSeek-TNG R1T2 Chimera 模型（下称 R1T2）。R1T2 是一款拥有 6710 亿参数的开源混合模型，也是 TNG 团队 Chimera 大模型系列中的最新型号。DeepSeek-R1-0528 因其扩展的思维链推理而倾向于给出长篇大论的详细回答，而本次 R1T2 的设计更加简洁，它在使用明显更少的词汇的同时，也能给出同样智能的回答。另外，R1T2 再次使用了由 TNG 团队提出的集合专家（AoE，Assembly-of-Experts）方法。

值得注意的是，TNG 的联合创始人亨利克·克莱格斯（Henrik Klagges）是相关论文的第一作者，领英页面显示他联合创办 TNG 已有 24 年之久。

图 | 相关论文（来源：arXiv）

1994 年，克莱格斯从英国牛津大学毕业后，于 2001 年创办了 TNG。目前，该公司拥有 917 名员工，99.9% 的员工为学术人员，并且超过 50% 的员工拥有数学、物理和计算机科学的博士学位。也就是说，作为一个基于 DeepSeek 做变体模型的团队，TNG 并不是一个无名小卒。

图 | TNG 联合创始人亨利克·克莱格斯（Henrik Klagges）的领英界面（来源：领英）

此前，在相关实验结果以及混合专家（MoE，Mixture of Experts）模块化结构的启发之下，TNG 团队将 DeepSeek-V3-0324 和 DeepSeek-R1 的路由专家张量进行合并，由此打造了 DeepSeek-R1T-Chimera 模型（下称 R1T）。而本次推出的 R1T2 在保留 DeepSeek-R1 推理性能的同时，在效率和速度方面实现了显著提升。在不损失或几乎不损失智能的情况下显著降低了冗余度，这意味着它能产生更短的响应，从而能够直接转化为更快的推理速度和更低的计算成本。

作为 R1T 的后续版本，R1T2 还引入了一种新的“Tri-Mind”配置，该配置集成了三个父模型：DeepSeek-R1-0528、DeepSeek-R1 和 DeepSeek-V3-0324。

据介绍，R1T2 是在没有进一步微调或重新训练的情况下构建的，它继承了 DeepSeek-R1-0528 的推理能力、DeepSeek-R1 的结构化思维模式以及 DeepSeek-V3-0324 的简洁指令导向的行为特性，因此是一个更高效、更强大的模型。

AI 开发者社区对此反应也比较积极，Hugging Face 的高级领导 Vaibhav（VB）Srivastav 在 X 上写道：“太棒了！DeepSeek R1T2——比 R1-0528 快 200%，比 R1 快 20%。在 GPQA 和 AIME 24 数据集上的表现明显优于 R1，并采用 DS V3、R1 和 R1-0528 组合打造了集合专家架构，而且它使用 MIT 许可协议，目前已在 Hugging Face 上开放。”

TNG 团队提供的基准比较结果显示，在 AIME-24、AIME-25 和 GPQA-Diamond 测试集的评估下，R1T2 的推理性能达到了其最智能父模型 DeepSeek-R1-0528 的 90% 至 92%。

与此同时，TNG 团队并不侧重于原始处理时间或每秒处理的 token 数量，而是以每个答案的输出 token 数量来衡量“速度”，他们将这视为一种能够同时反映成本和延迟的实用指标。R1T2 生成响应所需的 token 量大约为 DeepSeek-R1-0528 的 40%，这意味着输出长度减少了 60%，从而能够直接减少推理时间和计算负载，进而能使响应速度提高 200%。与原始的 DeepSeek-R1 相比，R1T2 的平均简洁度也提高了约 20%，这为高通量或成本敏感的部署带来了显著的效率提升。并且，这种高效性并未以牺牲智能为代价。正如 TNG 团队的基准图表所展示的，R1T2 在“智能 vs. 输出成本”曲线上处于一个理想区域。它在保持推理质量的同时能够大幅减少冗余输出，这一特性对于那些对推理速度、吞吐率和成本都有严格要求的企业级应用至关重要。

集合专家与混合专家有何不同？

如前所述，TNG 团队曾提出了集合专家（AoE，Assembly-of-Experts）方法，这是一种通过有选择地合并多个预训练模型的权重张量（内部参数）来构建大模型的技术。

很多人对于混合专家（MoE，Mixture-of-Experts）并不陌生，MoE 是一种架构设计，其中不同的组件或“专家”会根据输入有条件地被激活。对于典型的 MoE 大模型比如 DeepSeek-V3 和 Mixtral来说，在任何给定 token 的前向传递过程中，只有模型专家层的一个子集处于活动状态（例如，256 个中的 8 个）。这使得超大规模模型在实现更高参数量和更强专业化的同时，仍能保持可控的推理成本，因为每个 token 只需激活网络中的一小部分子模块。

在预训练期间，大模型计算一个 8 位权重需要 10^13 至 10^15 次浮点运算（FLOPs，Floating-Point Operations），不仅成本极高而且效率低下。正是为了更好地利用对预训练模型的大量投资，TNG 团队开发了 AoE。AoE 是一种模型融合技术，而非一种架构。它通过有选择地插值多个预训练的 MoE 模型的权重张量，以用于从这些模型中创建一个新模型。

该方法能够在线性时间内创建现有 MoE 父模型的高效子模型变体。模型权重张量会被单独进行插值处理，从而能够增强或抑制父模型的语义特征。通过改变从父模型中提取的权重比例，TNG 团队观察到 AoE 子模型的一些特性会逐渐变化，而其他行为特征则会发生急剧转变。

另据悉，AoE 中的“专家”指的是正在合并的模型组件，通常是 MoE 层中路由的专家张量，而非在运行时动态激活的专家。TNG 团队对于 AoE 的实现主要侧重于合并路由专家张量，这是模型中负责专门推理的部分，同时通常会保留来自 DeepSeek-V3-0324 等更快模型中更高效的共享层和注意力层。这种方法使得 TNG 团队生成的 R1T 和 R1T2 这一系列 Chimera 模型能够继承推理能力，同时避免了最强父模型的冗长性或延迟问题。

欧洲企业或面临使用受限

对于 CTO、AI 平台所有者、工程主管和 IT 采购团队而言，R1T2 带来了切实的益处和战略选择：

其一，推理成本更低：由于每项任务的输出 token 更少，R1T2 减少了 GPU 时间和能耗，直接节省了基础设施成本，这在高吞吐量或实时环境中尤为重要。

其二，高推理质量无冗余：R1T2 保留了 DeepSeek-R1-0528 等顶级模型的大部分推理能力，但没有它们冗长的缺点。这非常适合数学、编程、逻辑等结构化任务，在这些任务中，简洁的答案更受欢迎。

其三，开源且可修改：MIT 许可证允许完全的部署控制和定制，支持在受监管环境或隔离环境中进行私有托管、模型对齐或进一步训练。

其四，新兴的模块化：AoE 方法预示着一个模型将以模块化方式构建的未来。在这种未来场景中，企业无需从头开始重新训练，而是可以通过重组现有模型的优势来组装出专门的变体。

需要注意的是，R1T2 依赖函数调用、工具使用或高级代理编排的企业应注意当前的局限性，尽管未来的 Chimera 更新可能会弥补这些不足。

目前，TNG 团队已通过 OpenRouter 和 Chutes 等平台提供了早期的 Chimera 变体，这些平台每天处理数十亿个 token。而 R1T2 的发布标志着这一公开可用性工作的进一步发展。

TNG 团队指出，尽管该模型非常适合通用推理任务，但由于继承自 DeepSeek-R1 系列的限制，目前不建议将其用于需要函数调用或工具使用的场景。

作为一家欧洲公司，TNG 团队还建议欧洲用户评估其是否符合将于 2025 年 8 月 2 日生效的《欧盟 AI 法案》的规定。在欧盟运营的企业应审查相关规定，若无法满足要求，则应考虑在该日期后停止使用该模型。

然而，在美国国内运营并为美国用户或其他国家用户提供服务的美国公司，不受《欧盟 AI 法案》条款的约束，这将使其在使用和部署这一免费、快速的开源推理模型时拥有相当大的灵活性。但是，如果他们为欧盟用户提供服务，则《欧盟 AI 法案》中的一些条款仍然适用。

总的来说，之前是国内开发者基于国外模型做变体研究，现在逐渐开始反过来，这也映照了中国科技从跟跑到并肩跑，再到逐渐能起到一定引领作用的大趋势。