DeepSeek: R1 0528

DeepSeek: R1 0528 è un modello testuale di DeepSeek, rilasciato dal provider il 2025-05-28 come aggiornamento del 28 maggio al DeepSeek R1 originale. È un modello con 671B parametri e 37B parametri attivi, ed è open source con token di ragionamento completamente aperti. DeepSeek descrive le sue prestazioni come equivalenti a OpenAI o1.

Il modello è text in, text out. Accetta prompt testuali e restituisce testo, incluso l'output di ragionamento, e ha una finestra di contesto di 163.840 token con un output massimo di 32.768 token. Il suo knowledge cutoff è 2025-03-31. Poiché i token di ragionamento sono completamente aperti, puoi ispezionare il pensiero intermedio del modello e non solo la sua risposta finale, il che conta quando devi fare debug o verificare come è stata raggiunta una conclusione.

Questa combinazione di una grande finestra di contesto, ragionamento aperto e supporto agli strumenti indica alcuni usi pratici. Documenti lunghi, come specifiche, contratti o articoli di ricerca, entrano comodamente nella finestra di contesto, quindi riassunto, estrazione e risposta a domande su input di grandi dimensioni sono applicazioni ragionevoli. I token di ragionamento aperti si adattano a compiti in cui il percorso verso la risposta conta: matematica a più passaggi, problemi di logica, analisi del codice e qualsiasi flusso di lavoro in cui vuoi rivedere la catena di pensiero del modello. Il tool calling e gli output strutturati lo rendono utilizzabile in pipeline di agenti e in sistemi che necessitano di risposte leggibili dalla macchina invece che di testo libero.

Lo chiami tramite l'API compatibile con OpenAI di api14 usando il model id "deepseek/deepseek-r1-0528". I parametri di richiesta supportati sono 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 e top_p. I parametri reasoning e include_reasoning sono quelli da usare quando vuoi che l'output di ragionamento venga mostrato nella risposta, mentre tools con tool_choice copre il function calling.

Dato che il modello è solo testuale, non è la scelta giusta se il tuo input include immagini o audio, e in quel caso ti servirebbe un modello multimodale. Il limite di output di 32.768 token significa anche che le generazioni molto lunghe devono essere divise o continuate tra chiamate successive. Entro questi limiti, è un forte candidato per lavori testuali ad alto contenuto di ragionamento.