DeepSeek: R1 0528

DeepSeek: R1 0528 ist ein Textmodell von DeepSeek, das vom Anbieter am 2025-05-28 als Update vom 28. Mai zum ursprünglichen DeepSeek R1 veröffentlicht wurde. Es ist ein Modell mit 671B Parametern und 37B aktiven Parametern und ist quelloffen mit vollständig offenen Reasoning-Tokens. DeepSeek beschreibt seine Leistung als gleichwertig mit OpenAI o1.

Das Modell nimmt Text entgegen und gibt Text aus. Es akzeptiert Text-Prompts und gibt Text zurück, einschließlich Reasoning-Ausgabe, und es hat ein Kontextfenster von 163.840 Tokens mit einer maximalen Ausgabe von 32.768 Tokens. Sein Wissensstand endet am 2025-03-31. Da die Reasoning-Tokens vollständig offen sind, können Sie das Zwischendenken des Modells untersuchen und nicht nur seine endgültige Antwort, was wichtig ist, wenn Sie debuggen oder nachvollziehen müssen, wie eine Schlussfolgerung zustande kam.

Diese Kombination aus großem Kontextfenster, offenem Reasoning und Tool-Unterstützung deutet auf einige praktische Einsatzmöglichkeiten hin. Lange Dokumente wie Spezifikationen, Verträge oder Forschungsarbeiten passen bequem in das Kontextfenster, sodass Zusammenfassung, Extraktion und Fragebeantwortung über große Eingaben sinnvolle Einsatzbereiche sind. Offene Reasoning-Tokens eignen sich für Aufgaben, bei denen der Weg zur Antwort wichtig ist: mehrstufige Mathematik, Logikprobleme, Codeanalyse und jeder Workflow, in dem Sie die Gedankenkette des Modells überprüfen möchten. Tool-Aufrufe und strukturierte Ausgaben machen es nutzbar in Agent-Pipelines und in Systemen, die maschinenlesbare Antworten statt Freitext benötigen.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "deepseek/deepseek-r1-0528" auf. Die unterstützten Anfrageparameter sind frequency_penalty, include_reasoning, logit_bias, logprobs, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k, top_logprobs und top_p. Die Parameter reasoning und include_reasoning sind diejenigen, die Sie verwenden sollten, wenn Sie die Reasoning-Ausgabe in der Antwort sichtbar machen möchten, und tools mit tool_choice deckt Funktionsaufrufe ab.

Da das Modell nur Text verarbeitet, ist es nicht die richtige Wahl, wenn Ihre Eingabe Bilder oder Audio enthält, und Sie bräuchten stattdessen ein multimodales Modell. Die Obergrenze von 32.768 Tokens für die Ausgabe bedeutet außerdem, dass sehr lange Generierungen aufgeteilt oder über mehrere Aufrufe fortgesetzt werden müssen. Innerhalb dieser Grenzen ist es ein starker Kandidat für reasoning-intensive Textarbeit.