DeepSeek低调推出R1论文V2版本，披露了几项关键技术进展。

Na questão da autenticidade do conteúdo gerado por grandes modelos, eles oferecem uma interpretação oficial. Em relação ao fenômeno de o modelo mencionar frequentemente a OpenAI e o ChatGPT nas respostas, a DeepSeek explica que isso não foi uma designação intencional, mas sim uma consequência do estado objetivo dos dados de treino — uma grande quantidade de conteúdo externo gerado existe objetivamente nos corpus de páginas web, e esses conteúdos, ao serem incorporados no treino do modelo base, tiveram uma influência indireta, mas mensurável. Essa descoberta é de grande importância para compreender as características comportamentais dos LLMs e sua dependência de dados.

Mais importante ainda, é o planejamento deles para as direções futuras de capacidade. A tese define claramente que "saída estruturada" e "uso de ferramentas" são os principais focos de desenvolvimento do R2. A saída estruturada permite que o modelo organize informações em formatos específicos, aumentando sua utilidade em aplicações práticas; o uso de ferramentas envolve a capacidade do modelo de interagir com sistemas externos, o que é crucial para expandir os limites de aplicação prática de modelos de raciocínio. Essas direções de iteração tecnológica refletem uma tendência de transição de geração de texto puro para multimodalidade e forte capacidade de interação.