DeepSeek-R1
Κυριαρχία και φιλοξενία
Αυτό το μοντέλο είναι καταγεγραμμένο για αναφορά. Δεν φιλοξενείται ακόμη στο LLM EU και κανένα δικό μας τελικό σημείο δεν το εξυπηρετεί εδώ. Τα αιτήματα προς αυτό πηγαίνουν απευθείας στον πάροχο, υπό τους δικούς του όρους.
Σύνοψη
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 It is a text-only model and has been superseded for most tasks by DeepSeek-V3.2 and V4.
Προδιαγραφές
- Πάροχος
- DeepSeek (CN)
- Παράθυρο πλαισίου
- 131k
- Παράμετροι
- 684.49B
- Τροπικότητες
- text
- Άδεια
- mit · licence
- Ανοιχτά βάρη
- yes
- Ημερομηνία κυκλοφορίας
- 20 Ιαν 2025
- Εργασίες
- reasoning, coding, summarization
Γλώσσες
Ισχυρή: en, zh
Επαρκής: de, fr, es, it, pt, ru, ja, ko
Γλώσσες
Ισχυρή
- en
- zh
Επαρκής
- de
- fr
- es
- it
- pt
- ru
- ja
- ko
Μη επαληθευμένο: ο πάροχος δεν έχει τεκμηριώσει αυτόν τον ισχυρισμό. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Πότε να το χρησιμοποιήσετε
Πλεονεκτήματα
- MIT licence for a 671B-parameter reasoning model
- published reasoning traces in the base training recipe
- strong maths scores for a January 2025 release
Περιορισμοί
- 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- superseded by DeepSeek-V3.2 and V4-Flash for most workloads