5月28日，DeepSeek于官方交流群中宣布，其R1模型已成功完成小规模升级测试。用户们可以在官方网页、APP、小程序上进行深度思考功能的测试，而API接口及使用方式则维持不变。同时，DeepSeek还在开源社区Hugging Face上发布了R1模型的新版本（R1-0528）。
一些用户对R1模型的新版本进行了实际测试，并且指出，Deepseek-R1-0528在LiveCodeBench这一竞赛级编程难度的基准测试中，其表现与OpenAI的o3模型几乎持平。
City-data.com的创始人Lech Mazur在社交媒体上透露，Deepseek-R1-0528在Extended NYT Connections基准测试中的表现相较于之前的DeepSeek R1有了明显的提升，其得分从38.6增加到了49.8。在Thematic Generation基准测试中，Deepseek-R1-0528的表现超越了DeepSeek R1，其得分由1.80降至1.74，而在此项测试中，得分越低意味着表现越佳。基准测试Thematic Generation旨在评估不同大型模型从少量示例及反例中推断出特定“主题”（即类别或规则）的能力，并在包含误导性选项的集合中识别出最符合该主题的选项。
春节期间，DeepSeek异常火爆。进入3月，DeepSeek V3模型进行了小幅度的更新。这次更新的V3模型，吸取了DeepSeek R1模型在训练阶段采用的强化学习策略，显著提升了其在推理任务上的执行能力，并在数学及代码相关的评测集中，实现了超越GPT-4.5的得分。在处理HTML等前端代码任务时，新版V3模型所输出的代码具有更高的可用性，并且其视觉效果更为赏心悦目，充满设计韵味。针对中文写作任务，新版V3模型在继承R1写作能力的基础上进行了优化，不仅提高了中长篇文本创作的质量，还增强了内容的丰富性和深度。
