德国TNG Technology Consulting GmbH公司近日发布了基于DeepSeek架构的升级版大语言模型“DeepSeek-TNG R1T2 Chimera”（简称R1T2）。该模型在性能与效率方面实现突破性进展，其推理速度较原版DeepSeek-R1-0528提升200%，同时保持同等智力水平。
作为拥有6710亿参数的开源混合模型，R1T2采用了TNG团队独创的集合专家（AoE）方法，通过优化响应机制显著降低冗余度。测试表明，该模型能在保证回答质量的前提下，大幅减少输出token数量，从而提升推理效率并降低计算成本。技术团队特别指出，R1T2在未使用系统提示的情况下仍能保持稳定的对话表现，展现出优异的自然交互能力。
值得注意的是，这是TNG继R1T Chimera后推出的第二代改进模型。新版引入了创新的“Tri-Mind”架构，整合了DeepSeek-R1-0528等三个父模型的优势。公司联合创始人Henrik Klagges表示，该成果源于团队在混合专家（MoE）模块化结构领域的长期研究，其领英资料显示这位牛津大学毕业生已领导TNG团队24年。
目前该模型权重已在Hugging Face平台开源，社区反馈显示用户对其智能与效率的平衡表现给予高度评价。部分开发者认为，R1T2的成功实践为开源大模型优化提供了新的技术路径。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
