DeepSeek-R1 深度评测：国产推理之王的边界在哪里
我们用 40 道真题、8 类真实任务实测 DeepSeek-R1：数学与代码接近满分的背后，普通用户真正该关心的优缺点都在这里。
一、评测说明
本次评测基于 DeepSeek-R1 官方 Web 端与 API（深度思考模式），测试周期两周，覆盖四类任务：数学推理（AIME 真题 20 道）、代码生成（LeetCode Hard 10 题）、长逻辑链分析（5 份真实商业案例）与中文写作（5 类文体）。所有结果均为三次以上取样。
二、推理能力：断层式领先
20 道 AIME 真题中，R1 首次作答正确 18 道（90%），开启深度思考后达到 19 道。作为对比，同价位段其他国产模型平均正确率为 11-14 道。更值得注意的是它的思维链可读性：推理过程完整展示，出错时你能清楚看到它在哪一步「想歪了」，这对调试提示词极其友好。
代码维度，10 道 LeetCode Hard 通过 8 道，失败的两道均为超时（可优化），而非逻辑错误。生成的前端页面代码一次成型率明显更高，Tailwind 类名使用准确。
三、普通用户视角的三个真相
- 日常问答未必需要 R1。问「推荐一部电影」它也会先思考 20 秒，V3（普通模式）反而更快。建议：复杂问题开深度思考，简单问题用默认模式。
- 免费，但高峰期会排队。工作日晚间深度思考模式偶有「服务器繁忙」，错峰使用体验更佳。API 侧价格约为国际同类模型的 1/10。
- 多模态是短板。图片理解、语音输入均不支持，需要看图做题的场景请搭配豆包或通义千问。
四、结论
给 DeepSeek-R1 打 9.2 分：推理与代码是当前国产第一梯队，且完全免费、API 极致性价比；扣分项在多模态缺失与高峰期限流。适合人群：程序员、科研党、考研考证族；不适合：以图片/语音交互为主的用户。