作者：算力魔方創始人/英特爾創新大使劉力

最近，DeepSeek-R1 可是火遍了全網，號稱“超越人類專家”，數學競賽奪冠、代碼能力碾壓人類開發者……聽起來是不是很厲害？但別急著被這些光環迷了眼，這款被吹上天的 AI，其實也有不少能力局限呢。今天，咱們就拋開那些營銷濾鏡，根據官方論文《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》以及我多年的產品設計經驗，來好好聊聊 DeepSeek-R1 的那些“小秘密”！

一，“低情商偏科王”：只會做題，不會“溝通”

DeepSeek-R1 在數學、編程這些“考試型任務”上確實表現驚艷，可一旦到了跟人溝通的場景，那可就翻車翻得一塌糊涂了。DeepSeek 團隊自曝：它的訓練數據主要集中在學術領域，這就導致它像個“書呆子”，只知道悶頭解決問題，卻不懂得怎么跟人打交道。

大家都知道，溝通可是一門溫暖的藝術，可不是一堆冰冷的技術。就像在咱們日常的管理工作中，都是先處理情緒再處理問題。DeepSeek-R1 這樣的“書呆子”，要是用在需要提供情緒價值的產品上，那可就慘了。試想一下，當客戶氣沖沖地打來投訴電話，你的“智能客服”卻跟客戶有條不紊地分析問題的根因和解決方法，客戶能不氣得更厲害嗎？

現在很多自媒體都在嘲笑 OpenAI 發布的最新模型 GPT-4.5，說它卷不動數學，開始走高情商路線了。但我反倒覺得，從產品的角度來看，OpenAI 選擇的大模型能力發展方向才是正確且極有價值的呢。著名產品人梁寧在《給溫度以技術，給商業以文明》的演講里也提到：下一個時代，比拼的就是情緒價值。DeepSeek-R1 這種“低情商偏科王”，在情緒價值方面可就差得遠了。

二，小語種能力不足：除了中文和英文，它可能“胡言亂語”

雖說 DeepSeek-R1 支持多語言，但 DeepSeek 團隊也坦白了，它的訓練語料里小語種語料少得可憐。小語種，就是除了聯合國六大通用語種（漢語、英語、法語、西班牙語、俄語、阿拉伯語）之外的其他語言。要是用小語種讓 DeepSeek-R1 去思考數學或者解決推理問題，那可就真要鬧笑話了，搞不好就會“胡言亂語”。

那些做小語種國家產品的人可得注意了，可不是像很多自媒體說的那樣，把產品接入 DeepSeek-R1 就萬事大吉了。比如馬來西亞人日常說的馬來西亞式英語，那可是一種獨特的英語變體，它把馬來語、漢語（包括普通話和方言）等語言的語法和詞匯都混在了一起，一句話里可能夾雜著普通話、馬來語和粵語。要是你直接把接入了 DeepSeek-R1 的產品出口到馬來西亞，那面對這種“夾雜英語、普通話、馬來語和粵語”的問題，DeepSeek-R1 恐怕就得傻眼了。

三，“玻璃心”：面對有示例的提示詞，智商暴跌50%

DeepSeek-R1 對提示詞可是很挑剔的！官方明確指出，要是提示詞里帶有示例，也就是少樣本提示詞（few-shot prompt），它會先從示例里學習，然后再回答，這樣一來，答案的準確率可能就會從 90% 直接掉到 40%。

官方建議：直接用零樣本提示詞(Zero-shot Prompt)，不要加入任何示例。這樣一來，DeepSeek-R1 就能發揮出它應有的水平了。

四，職場“菜鳥”：代碼寫得好，但做工程就是個“實習生”

DeepSeek-R1 在 Codeforces 競賽里擊敗了 96% 的人類，這代碼能力看起來確實很厲害。可一到真實的軟件工程里，它就露餡了：

復雜項目管理：它壓根兒就不懂“模塊化開發”“版本控制”這些概念，面對復雜項目，估計得一頭霧水。

跨團隊協作：DeepSeek-R1 只能獨自編程，完全不會團隊協作，要是放到一個需要多人協作的項目里，那可就麻煩了。

玄學 debug：遇到 bug 時，它可能還會給出“重啟試試”這種無厘頭的解決方案，這可真是讓人哭笑不得。

為啥會出現這種情況呢？原因就在于 DeepSeek-R1 在 RL 訓練中缺乏真實工程數據，所以它雖然能解題，但真到了工程項目里，可就不是那么回事兒了，說白了，它就是一個“解題高手”，但不是工程項目高手。

五，結語：AI 的未來，在清醒認知中前行

DeepSeek-R1 的突破確實值得喝彩，但它絕對不是完美的“通用人工智能”。這些能力局限的存在，正好說明了 AI 的“智能”依然是“窄化”的，還遠遠無法替代人類的綜合能力。不過好消息是，DeepSeek 團隊已經知道這些局限的存在了，他們已經在著手解決這些問題了。

在這里，我要友情提示大家一句：當你看到“AI 秒殺人類”這種驚悚新聞的時候，可千萬別被嚇到了，這可能只是特定場景下的“販賣焦慮”。真正的 AGI 革命，還在路上呢。那么，你有沒有發現 DeepSeek-R1 的其他短板呢？歡迎在評論區一起聊聊呀！

如果你有更好的文章，歡迎投稿！

稿件接收郵箱：nami.liu@pasuntech.com

更多精彩內容請關注“算力魔方?”！

審核編輯 黃宇