德国科技咨询公司TNG发布全新 DeepSeek R1-0528 变体DeepSeek-TNG R1T2 Chimera，速度提升 200%

距离中国 AI 初创公司 DeepSeek 发布其热门开源模型 DeepSeek-R1-0528 不到两个月，该模型因其低成本训练和高性能推理能力迅速风靡全球 AI 社区。

如今，这款强大模型已被广泛改编、混合使用，并通过 Apache 2.0 许可免费提供给开发者与企业。而就在本周，来自德国的科技咨询公司 TNG Technology Consulting GmbH 正式推出了一款基于 R1-0528 的新变体 —— DeepSeek-TNG R1T2 Chimera，成为其 Chimera 系列大语言模型（LLM）的最新成员。

• 模型：https://huggingface.co/tngtech/DeepSeek-TNG-R1T2-Chimera

这款模型不仅在智能基准测试中达到 R1-0528 的 90% 以上得分，同时输出 token 数量仅为后者的 不到 40%，意味着更简洁的回答、更低的成本与更快的响应速度。

🚀 性能飞跃：比 R1 快 20%，比 R1-0528 快两倍以上

根据 Hugging Face 上发布的模型卡信息，R1T2 在推理效率上实现了显著提升：

• 比今年 1 月发布的常规 DeepSeek-R1 快约 20%
• 比 DeepSeek 官方 5 月更新的 R1-0528 快超过 200%

这种性能提升并非来自传统的微调或蒸馏方法，而是源于 TNG 独创的 “专家组装”（Assembly of Experts, AoE） 技术 —— 一种无需重新训练即可构建高效 LLM 的新方法。

什么是“专家组装”？它与 MoE 有何不同？

✅ 专家混合（MoE）简介

专家混合（Mixture-of-Experts, MoE）是一种常见的大语言模型架构设计。在 MoE 中，不同的“专家”模块会根据输入内容动态激活，从而实现高参数规模下的高效推理。例如，在一个拥有 256 个专家的 MoE 模型中，每个 token 处理仅激活其中的 8 个。

这种方法使得超大规模模型既能保持强大的推理能力，又能控制推理成本。

✅ 专家组装（AoE）：一种模型融合策略

与 MoE 不同，专家组装（AoE）是一种模型合并技术，而非运行时架构设计。

它通过选择性插值多个预训练模型的权重张量来构建新模型。在 TNG 的实现中，主要聚焦于合并 MoE 层中的路由专家张量 —— 这些是负责专业推理的关键部分。

具体来说，R1T2 Chimera 集成了三个母模型的优势：

• DeepSeek-R1-0528：提供最高级别的推理能力
• DeepSeek-R1：带来结构化思维模式
• DeepSeek-V3-0324：增强简洁性和指令执行能力

最终形成一个兼具高智能与高效推理的新模型。

三脑配置：继承优势，摒弃冗余

作为原始 R1T Chimera 的继任者，R1T2 引入了“三脑”（Tri-Mind）架构，融合三个 DeepSeek 模型的核心能力：

• DeepSeek-R1-0528：提供最强推理能力
• DeepSeek-R1：确保逻辑清晰、语义连贯
• DeepSeek-V3-0324：带来更高的响应简洁性和执行效率

值得注意的是，R1T2 无需进一步微调或训练，便能继承 R1-0528 的推理能力、R1 的结构化表达风格以及 V3 的简洁指令导向行为。

这使得它在不牺牲智能表现的前提下，大幅降低了推理延迟和计算资源消耗。

📈 基准测试结果：智能与效率的平衡典范

根据 TNG 提供的评估数据，R1T2 在多个权威推理任务中表现亮眼：

尽管 R1-0528 能生成更长、更详尽的答案，但 R1T2 更注重简洁性与效率，平均输出 token 数量减少约 60%，推理速度提升 200%。

这种优化尤其适用于需要快速响应、低延迟部署的企业级应用，如客服助手、自动化报告生成、代码理解等场景。

🌐 开源可用性与许可说明

R1T2 采用 MIT 许可协议，已正式发布于 Hugging Face 平台，允许自由用于商业用途。这意味着：

• 全球开发者和企业可以直接下载并部署
• 支持本地化私有部署，满足对数据安全敏感的应用需求
• 可基于模型进行定制化开发与二次训练

不过，TNG 也指出当前版本存在一些局限性：

• 不推荐用于高度依赖函数调用或工具集成的任务（因继承自 R1 的限制）
• 某些特定人格风格可能不如前代模型鲜明

未来版本有望逐步完善这些短板。

🇪🇺 合规提醒：欧盟 AI 法案即将生效

由于《欧盟人工智能法案》将于 2025 年 8 月 2 日 正式实施，TNG 建议所有位于欧盟境内的用户：

• 仔细阅读法案条款，评估合规风险
• 若无法满足要求，建议在 8 月 1 日后停止使用该模型

对于非欧盟地区运营的企业，则不受此限制，可在全球范围内灵活部署 R1T2，尤其是在美国及亚洲市场。

💼 对企业技术决策者的启示

对于 CTO、AI 平台负责人、工程主管和技术采购团队而言，R1T2 提供了以下几个方面的战略价值：

1. 更低的推理成本

• 输出 token 减少 60%，节省 GPU 时间与能耗
• 特别适合高吞吐量或实时交互场景

2. 无过高开销的高质量推理

• 继承 R1-0528 的推理能力，但避免冗长输出
• 更适合结构化任务（数学、编程、逻辑推理）

3. 完全开放与可定制性

• MIT 许可支持私有部署、模型调整和本地训练
• 为受监管行业提供更强可控性

4. 模块化趋势初现

• AoE 方法展示了如何通过重组现有模型优势来创建专用变体
• 为企业提供“无需从头训练”的模型演进路径

⚠️ 注意事项：

• 当前版本尚未优化函数调用与工具集成能力
• 依赖高级代理编排的系统应关注后续更新

关于 TNG Technology Consulting GmbH

TNG Technology Consulting 成立于 2001 年，总部位于德国巴伐利亚州，是一家专注于软件工程、AI和 DevOps/云服务的技术咨询公司。公司员工超过 900 人，技术背景深厚，博士比例高。

TNG 以技术创新和开源贡献著称，此次发布 R1T2 Chimera 及其底层技术论文，再次展现了其在 AI 模型融合领域的前沿探索。