DeepSeek 中文思考引热议：是汉字信息密度高，还是训练数据在作祟？

DeepSeek 新模型上线，推理能力直逼 GPT-5 和 Gemini-3.0-Pro

DeepSeek 最近一口气推出了两个新模型：DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale。这两个版本在推理能力上有了显著提升，V3.2 版本据说能和 GPT-5 硬碰硬，而 Speciale 结合了长思考和定理证明能力，表现媲美 Gemini-3.0-Pro。有网友调侃说：“这模型不应该叫 V3.2，应该叫 V4！”

海外研究者傻眼：英文提问，中文思考

海外研究者迫不及待地试用了 DeepSeek 的新版本，在感慨推理速度提升之余，却碰上了一件让他们摸不着头脑的事：即使用英文提问，模型在思考过程中还是会切回“神秘的东方文字”——中文。这就把海外友人整蒙了：明明没用中文提问，为什么模型还会用中文思考？难道用中文推理更好更快？

评论区炸开了锅，主要有两种观点：一是“汉字的信息密度更高”，二是“训练数据中包含更多中文内容”。

汉字信息密度高？微软论文来撑腰

来自亚马逊的研究者认为，表达相同的文本含义，中文所需的字符量明显更少。如果大模型的理解与语义压缩相关，那么中文在压缩方面比英文更有效率。这或许就是“中文更省 token”说法的来源。

微软的论文《EfficientXLang: Towards Improving Token Efficiency Through Cross-Lingual Reasoning》发现，使用非英语语言进行推理不仅减少了 Token 消耗，还能保持准确性。即使将推理轨迹翻译回英语，这种优势依然存在，这表明变化源于推理行为的实质性转变，而非仅仅是表层的语言效应。

论文评估了 DeepSeek R1、Qwen 2.5 和 Qwen 3 等模型，问题以英语呈现，但模型被指示以中文、俄语、西班牙语等七种语言执行推理步骤。结果显示，与英语相比，使用非英语语言推理能实现 20-40% 的显著令牌降低，且通常不影响准确性。例如，Qwen 3 在韩语推理中 token 减少量高达 73%。

但中文并非最有效率？OneRuler 基准来打脸

从实验结果看，中文确实比英文能节省推理 token 成本，但却不是最有效率的语言。马里兰大学和微软的研究论文《One ruler to measure them all: Benchmarking multilingual long-context language models》提出了包含 26 种语言的多语言基准 OneRuler，用于评估 LLM 在长达 128K 令牌的长上下文理解能力。

实验表明，随着上下文长度增加，低资源语言与高资源语言之间的性能差距扩大。令人惊讶的是，英语在长上下文任务中排名第 6，而波兰语位居榜首。中文也未进入前五。既然中英文都不是最佳性能语言，那大模型选择思考语言的方式可能不完全以效率为先。

训练数据说：中文语料多，思考自然中文化

所以，评论区的第二种观点“训练数据中包含更多中文内容”似乎更合理。国产大模型采用更多中文训练语料，其思考过程出现中文是正常现象。就像 AI 编程工具 Cursor 的 Composer-1 模型被质疑是中国模型套壳，正是因为其思考过程完全由中文构成。

但类似的事放在 GPT 上就说不通了，毕竟它的训练数据中英文占比更高。不过，今年 1 月有网友发现 OpenAI 的 o1-pro 模型也会随机出现中文思考过程。或许这就是人类语言的魅力，不同的语言有不同的特性，在大模型中总会有各种奇怪的事情发生。

未来展望：大模型的中文时代？

大模型说中文的事情越来越多，中文训练语料也越来越丰富。说不定有一天，我们真能像海外友人自嘲一样笑话大模型：“我并不是要你变成中国人。我是说——当时机成熟时，你照照镜子，就会发现自己早已是中国人了。”

总之，DeepSeek 的中文思考现象引发了关于语言效率、训练数据和模型行为的深度讨论。无论是汉字的信息密度优势，还是中文语料的潜移默化，这都预示着多语言模型在全球化应用中的复杂性和趣味性。开发者们，准备好迎接更多语言相关的 AI 奇观吧！