DeepSeek為何堅持中文思考 漢字信息密度更高！前天，DeepSeek 發(fā)布了兩個新模型，分別是 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。這兩個版本在推理能力上有了顯著提升，DeepSeek-V3.2 版本能夠與 GPT-5 相抗衡，而 Speciale 版本結(jié)合了長思考和定理證明能力，表現(xiàn)可媲美 Gemini-3.0-Pro。有讀者評論說這個模型應(yīng)該叫 V4 而不是 V3.2。

海外研究者也迅速使用了 DeepSeek 的新版本，他們注意到 DeepSeek 推理速度顯著提升，但同時也遇到了困惑：即使用英文詢問，模型在思考過程中還是會切換到中文。這讓海外用戶感到不解：明明沒有用中文提問，為什么模型會用中文思考？難道用中文推理更好更快？

評論區(qū)有兩種不同的觀點，大部分評論認為漢字的信息密度更高。亞馬遜的研究者也認同這一觀點，表示表達相同的文本含義時，中文所需的字符量明顯更少。如果大模型的理解與語義壓縮相關(guān)，那么中文在壓縮方面比英文更有效率，這可能是“中文更省 token”的原因。

具有多語言能力的大模型如果只采用英語思考的模式往往會導(dǎo)致一些效率問題。不光是中文，采用其他非英語的語言進行推理確實能夠有更好的表現(xiàn)。微軟的一篇論文《EfficientXLang: Towards Improving Token Efficiency Through Cross-Lingual Reasoning》發(fā)現(xiàn)，使用非英語語言進行推理不僅減少了 Token 消耗，還能保持準確性。即使將推理軌跡翻譯回英語，這種優(yōu)勢依然存在，表明這種變化源于推理行為的實質(zhì)性轉(zhuǎn)變，而非僅僅是表層的語言效應(yīng)。

該論文評估了三個最先進的開源推理模型：DeepSeek R1、Qwen 2.5 (32B) 和 Qwen 3 (235B-A22B)，問題以英語呈現(xiàn)，但模型被明確指示以七種目標語言中的一種執(zhí)行其推理步驟。最終答案必須以英語提供，以確保評估的一致性。實驗結(jié)果顯示，與英語相比，使用非英語語言進行推理始終能實現(xiàn) 20-40% 的顯著令牌降低，而且通常不影響準確性。DeepSeek R1 的 token 減少量從 14.1%（俄語）到 29.9%（西班牙語）不等，而 Qwen 3 則表現(xiàn)出更顯著的節(jié)省，韓語的減少量高達 73%。這些效率提升直接轉(zhuǎn)化為推理成本降低、延遲更低和計算資源需求降低。

馬里蘭大學(xué)和微軟的研究論文《One ruler to measure them all: Benchmarking multilingual long-context language models》提出了包含 26 種語言的多語言基準 OneRuler，用于評估大型語言模型（LLM）在長達 128K 令牌的長上下文理解能力。研究者們通過編寫英語指令并將其翻譯成另外 25 種語言構(gòu)建了 OneRuler。實驗表明，隨著上下文長度從 8K 增加到 128K token，低資源語言與高資源語言之間的性能差距日益擴大。令人驚訝的是，英語并不是長上下文任務(wù)中表現(xiàn)最好的語言（在 26 種語言中排名第 6），而波蘭語位居榜首。在指令和上下文語言不一致的跨語言場景中，根據(jù)指令語言的不同，性能波動幅度可達 20%。

既然中英文都不是具有最佳大模型性能的語言，那大模型選擇思考語言的方式并不是完全以效率為先。評論區(qū)的第二種觀點認為訓(xùn)練數(shù)據(jù)中包含更多中文內(nèi)容更為合理。國產(chǎn)大模型采用更多中文訓(xùn)練語料，其思考過程出現(xiàn)中文是正常現(xiàn)象。類似的情況也出現(xiàn)在 AI 編程工具 Cursor 發(fā)布的新版本 2.0 核心模型「Composer-1」上，因為其思考過程完全由中文構(gòu)成。

今年 1 月份也有類似的事情發(fā)生，網(wǎng)友發(fā)現(xiàn)來自 OpenAI 的 o1-pro 模型也會隨機出現(xiàn)中文思考過程?；蛟S這就是人類語言的魅力，不同的語言有不同的特性，在大模型中總會有各種奇怪的事情發(fā)生。大模型說中文的事情越來越多，中文訓(xùn)練語料也越來越豐富。