字数 994，阅读大约需 5 分钟
测试背景与方法
近期，中国 AI 公司 DeepSeek 推出的推理模型 DeepSeek-R1 在全球范围内备受关注。为了评估其在第三方平台上的稳定性表现，中国软件评测中心人工智能部牵头进行了一项跨平台测试。该测试选取了包括纳米 AI 搜索、阿里百炼、硅基流动等在内的十余家国内外第三方平台，使用统一的20个基础数学推理问题（由 SuperCLUE 团队开发）作为基准。
评估主要聚焦三个维度：响应率、准确性以及推理时间，同时分析了免费与付费服务的差异。测试结果显示，DeepSeek-R1 的稳定性高度依赖托管平台，不同平台之间的性能差异显著。
测试结果：稳定性差异显著
根据测试结果，DeepSeek-R1 在不同托管平台上的表现差异明显。例如，纳米 AI 搜索因接入“满血版” DeepSeek-R1 并免费提供，表现尤为突出。其高响应率和稳定的输出赢得了用户的好评，被认为是对周鸿祎“AI普及化”理念的践行。
然而，其他平台的表现则不尽如人意。有用户指出，阿里百炼的 DeepSeek-R1 在处理复杂逻辑任务时，经常因显存消耗过高而被截断输出，导致客户端卡顿，尽管连接未断开。这种体验引发了部分用户对稳定性的不满。
相比之下，硅基流动因限制赠金使用并提供稳定的付费版本，获得了用户的肯定。这表明付费服务在稳定性上可能更具优势。
用户体验与技术细节
从用户反馈来看，DeepSeek-R1 在不同场景下的表现也各有千秋。有用户提到，R1 在单次对话输出超过3000字时容易陷入死循环，尽管其信息密度高，适合知识挖掘，但准确度和生产质量稍显不足。他们认为该模型更适合“开脑洞”而非精确任务。
此外，有用户在测试 DeepSeek R1Zero 时发现，其未经监督微调（SFT）的版本在简单问题上表现怪异，例如回复“你好”时输出数学公式，显示出模型在特定场景下的不稳定性。
值得一提的是，部分用户尝试优化 R1 的使用体验。有用户分享了一种通过 API 联网的方案，称其“实测是最稳定速度最快的 R1 使用体验”，彻底解决了卡顿和联网问题。这一探索表明，平台之外的技术配置也可能影响稳定性。
行业意义与用户建议
此次跨平台测试不仅暴露了 DeepSeek-R1 在部署上的挑战，也引发了关于开源模型商业化与稳定性的讨论。用户普遍认为，尽管 DeepSeek-R1 在数学和编程基准测试中表现出色（如 MATH-500 得分 97.3%），但其实际应用中的稳定性仍需优化。免费服务的流量压力和高负载可能导致性能下降，而付费平台通过资源分配提供了更可靠的体验。
对此，业内人士建议用户根据需求选择托管平台。对于追求高响应率和完整输出的开发者，纳米 AI 搜索或硅基流动等表现稳定的服务是不错选择；而对于需要处理复杂推理任务的用户，付费平台可能更能满足需求。同时，DeepSeek 官方被呼吁提供更多硬件支持或付费层级，以缓解免费服务的拥堵问题。
