DeepSeek-TNG-R1T2-Chimera 是由 TNG Technology 使用三种 DeepSeek 父模型组装出的“专家混合体”语言模型，在智能、响应速度和一致性上实现平衡，相比前代提升显著并修复了关键的 token 问题。
-
三亲模型融合：不同于前代只融合两个父模型，R1T2 通过“Assembly of Experts”方法，将 R1-0528、R1 和 V3-0324 三者融合，并引入精细的“脑编辑”技术。
-
性能平衡的“甜点区”：相较于 R1 和 R1T，R1T2 提供约 20% 更快的推理速度、更高的智能测试成绩（如 AIME-24/25、GPQA-Diamond）以及更好的 token 一致性。
-
推荐场景对比：如果追求推理能力优于 V3 且速度优于 R1-0528，R1T2 被视为 R1 的“几乎通用、可直接替换”的升级；不适合高强度函数调用场景（遗留自 R1 父模型的局限）。
-
智能测试成绩：在 AIME-24 上得分 82.3（显著高于 V3-0324 的 59.4），在 GPQA-Diamond 上也领先于同类。
-
训练与推理细节：推荐温度 0.2、最大 context 长度约 60k token（尽管曾成功处理过 13 万上下文）。
-
法律和合规提示：提醒 EU 用户在 2025 年 8 月 1 日后遵守欧盟 AI 法案，或停止使用。
-
底层架构：基于 DeepSeek-MoE（Mixture of Experts）Transformer 架构，结合定制化的蒸馏、视觉编码和长上下文缓存优化。
-
设计团队背景：由慕尼黑 TNG 团队开发，并公开感谢 DeepSeek 提供开源支持与模型合并方法的先行研究。
参考文献：
[1] https://huggingface.co/tngtech/DeepSeek-TNG-R1T2-Chimera
知识星球：Dify源码剖析及答疑，Dify扩展系统源码，AI书籍课程|AI报告论文，公众号付费资料。加微信buxingtianxia21进NLP工程化资料群，以及Dify交流群。
（文：NLP工程化）