DeepSeek: R1 0528

DeepSeek: R1 0528 es un modelo de texto de DeepSeek, publicado por el proveedor el 2025-05-28 como la actualización del 28 de mayo del DeepSeek R1 original. Es un modelo de 671B parámetros con 37B parámetros activos, y es de código abierto con tokens de razonamiento totalmente abiertos. DeepSeek describe su rendimiento como a la par de OpenAI o1.

El modelo es texto de entrada, texto de salida. Acepta prompts de texto y devuelve texto, incluida la salida de razonamiento, y tiene una ventana de contexto de 163,840 tokens con una salida máxima de 32,768 tokens. Su fecha de corte de conocimiento es 2025-03-31. Debido a que los tokens de razonamiento son totalmente abiertos, puedes inspeccionar el pensamiento intermedio del modelo en lugar de solo su respuesta final, lo cual importa cuando necesitas depurar o auditar cómo se llegó a una conclusión.

Esa combinación de una ventana de contexto grande, razonamiento abierto y soporte de herramientas apunta a algunos usos prácticos. Los documentos largos, como especificaciones, contratos o artículos de investigación, caben cómodamente en la ventana de contexto, por lo que el resumen, la extracción y la respuesta a preguntas sobre entradas grandes son aplicaciones razonables. Los tokens de razonamiento abiertos se adaptan a tareas donde el camino hacia la respuesta importa: matemáticas de varios pasos, problemas de lógica, análisis de código y cualquier flujo de trabajo en el que quieras revisar la cadena de pensamiento del modelo. El llamado a herramientas y las salidas estructuradas lo hacen utilizable en pipelines de agentes y en sistemas que necesitan respuestas legibles por máquina en lugar de texto libre.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "deepseek/deepseek-r1-0528". Los parámetros de solicitud admitidos son 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 y top_p. Los parámetros reasoning e include_reasoning son los que debes usar cuando quieres que la salida de razonamiento aparezca en la respuesta, y tools con tool_choice cubre el llamado a funciones.

Dado que el modelo es solo texto, no es la elección correcta si tu entrada incluye imágenes o audio, y necesitarías un modelo multimodal en su lugar. El límite de salida de 32,768 tokens también significa que las generaciones muy largas tienen que dividirse o continuarse a lo largo de varias llamadas. Dentro de esos límites, es un fuerte candidato para trabajo de texto con mucho razonamiento.