DeepSeek-R1
Suverænitet og hosting
Denne model er katalogiseret til reference. Den er ikke hostet på LLM EU endnu, og ingen førsteparts-endpoint betjener den her. Anmodninger til den går direkte til udbyderen, under den pågældende udbyders egne vilkår.
Resumé
DeepSeek-R1 is the reasoning model that made open-weight chain-of-thought training widely reproducible; it has 671B total and 37B activated parameters and is published under the MIT licence. The model card documents a context length of 128K and reports 90.8 on MMLU, 84.0 on MMLU-Pro and 79.8 on AIME 2024 for R1. It is a text-only model and has been superseded for most tasks by DeepSeek-V3.2 and V4.
Specifikationer
- Udbyder
- DeepSeek (CN)
- Kontekstvindue
- 131k
- Parametre
- 684.49B
- Modaliteter
- text
- Licens
- mit · licence
- Åbne vægte
- yes
- Udgivelsesdato
- 20. jan. 2025
- Opgaver
- reasoning, coding, summarization
Sprog
Stærk: en, zh
Tilstrækkelig: de, fr, es, it, pt, ru, ja, ko
Sprog
Stærk
- en
- zh
Tilstrækkelig
- de
- fr
- es
- it
- pt
- ru
- ja
- ko
Ikke verificeret: udbyderen har ikke dokumenteret denne påstand. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Hvornår skal man bruge den
Styrker
- MIT licence for a 671B-parameter reasoning model
- published reasoning traces in the base training recipe
- strong maths scores for a January 2025 release
Begrænsninger
- 671B parameters, so self-hosting is expensive
- reasoning output is verbose and raises token cost
- superseded by DeepSeek-V3.2 and V4-Flash for most workloads