0. 先把结论放在前面

2025 DeepSeek R1 (详细分析参考文章《深入解析 DeepSeek R1：强化学习如何驱动大模型推理能力的进化》)的出现真实引起了轰动。

那么，如果你最近一直在等 DeepSeek R2：截至目前，DeepSeek 官方 API 的主力模型仍是 V3.2（deepseek-chat / deepseek-reasoner），官方 News 列表里没有 R2 的“发布公告”。([DeepSeek API Docs][1])

但这不意味着“没东西可用”——R1 体系在 2025 年已经完成一次关键升级：DeepSeek-R1-0528。官方明确给出：基准更强、前端能力增强、幻觉更少，并且支持 JSON Output & Function Calling。([DeepSeek API Docs][2])

换句话说：R2 没到，但你的推理工程可以先升级一代。

---

1. 最新进展时间线（把信息噪声一次清掉）

时间	事件	你需要知道的“工程含义”
2025/01/20	DeepSeek-R1 正式发布（MIT，支持蒸馏/商用）	推理模型范式确立：RL 后训练 + 冷启动数据 + 可蒸馏。([DeepSeek API Docs][3])
2025/05/28	DeepSeek-R1-0528 发布	“可用性升级”：更强基准、更少幻觉、支持 JSON/函数调用。([DeepSeek API Docs][2])
2025/12/01	DeepSeek-V3.2 & V3.2-Speciale 发布	面向 Agent：思考与工具使用融合；API/网页端主力更新。([DeepSeek API Docs][4])
R2（传闻多、发布日期未定）	路线明确但发布时间不确定	多家媒体称其经历性能/算力/芯片约束导致延迟。([Reuters][5])

关键事实：DeepSeek API Docs 的 Models & Pricing 页面显示当前模型版本为 DeepSeek-V3.2（deepseek-chat / deepseek-reasoner）。([DeepSeek API Docs][1])

---

2. R1-0528 到底升级了什么（不讲虚的）

官方公告给的升级点非常“工程化”：

• Improved benchmark performance
• Enhanced front-end capabilities
• Reduced hallucinations
• Supports JSON output & function calling ([DeepSeek API Docs][2])

而 Hugging Face 的模型卡也强调：通过“更多计算资源 + 后训练算法优化”，提升推理深度与推断能力。([Hugging Face][6])

你最该关心的两个点:

（1）JSON / Function Calling：从“会答题”走向“可接系统”
这意味着你可以把 R1-0528 放进真实业务：路由、工具调用、结构化出参、评测脚本自动解析。([DeepSeek API Docs][2])

（2）更少幻觉：从“能演示”走向“能上线”
幻觉下降不等于“不会错”，但意味着你做 RAG / 工具调用 / 多步推理时，防线压力更小。([DeepSeek API Docs][2])

---

3. 用数据说话：R1-0528 在 LiveCodeBench 的位置

LiveCodeBench Leaderboard 上可以直接看到 DeepSeek-R1-0528 的分数与排名（页面可查）。([LiveCodeBench][7])
这类榜单至少告诉你一件事：R1-0528 是“在代码推理场景能打”的版本，不是“换皮小修”。

---

4. 那 R2 呢？到底进展到哪一步了

你会在网上看到各种“R2 已发布/将发布/静默上线”的说法，但可靠口径更克制：

• 早期有报道提到 DeepSeek 试图加速 R2（原计划 2025/05 前后）。([Reuters][8])
• 随后 Reuters 报道：R2 发布时间未定，原因之一是 CEO 对表现不满意（外媒转述 The Information）。([Reuters][5])
• 又有 Reuters/FT 线索称：尝试使用华为芯片训练遇到问题，导致延期。([Reuters][9])
• TechNode 也报道过“否认 8 月窗口传闻”，且至今未公布官方发布日期与技术细节。([TechNode][10])

因此，正确动作不是“等 R2”，而是：把你现有推理栈升级到 R1-0528 / V3.2，并把接口与评测体系先搭好。

---

5. 一句话给工程同学的选型建议

• 你做“任务执行/工具调用/结构化输出”：优先围绕 JSON Output + Function Calling 设计出参契约（R1-0528 已支持）。([DeepSeek API Docs][2])
• 你做“Agent 工作流”：关注 V3.2 的 tool-use 与 thinking 融合（官方明确面向 agents）。([DeepSeek API Docs][4])
• 你做“本地部署/省钱推理”：可以关注社区与厂商对 R1-0528 的量化版本（例如 NVIDIA 的 FP4 量化卡）。([Hugging Face][11])

---

6. 推理栈结构（给你一张可贴在文章里的 Mermaid）

---

如果你希望进步深入理解R1/R1-0528 的 GRPO/RL 后训练工程拆解（怎么做小规模复现）请转到我的付费文章《DeepSeek R1-0528 工程落地手册：从推理训练到 Agent 接口（附模板/清单/示例）》