DeepSeek: R1 0528

DeepSeek: R1 0528 is een tekstmodel van DeepSeek, uitgebracht door de provider op 2025-05-28 als de update van 28 mei op het originele DeepSeek R1. Het is een model met 671B parameters en 37B actieve parameters, en het is open-source met volledig open reasoning-tokens. DeepSeek beschrijft de prestaties als gelijkwaardig aan OpenAI o1.

Het model is tekst in, tekst uit. Het accepteert tekstprompts en retourneert tekst, inclusief reasoning-uitvoer, en het heeft een contextvenster van 163.840 tokens met een maximale uitvoer van 32.768 tokens. De knowledge cutoff is 2025-03-31. Omdat de reasoning-tokens volledig open zijn, kun je het tussentijdse denkproces van het model inspecteren in plaats van alleen het eindantwoord, wat van belang is wanneer je wilt debuggen of auditen hoe een conclusie tot stand is gekomen.

Die combinatie van een groot contextvenster, open reasoning en tool-ondersteuning wijst op een paar praktische toepassingen. Lange documenten, zoals specificaties, contracten of onderzoekspapers, passen comfortabel in het contextvenster, dus samenvatten, extraheren en vraagbeantwoording over grote invoer zijn redelijke toepassingen. Open reasoning-tokens passen bij taken waarbij het pad naar het antwoord belangrijk is: meerstaps wiskunde, logische problemen, code-analyse en elke workflow waarin je de chain of thought van het model wilt beoordelen. Tool calling en gestructureerde uitvoer maken het bruikbaar in agent-pipelines en in systemen die machineleesbare antwoorden nodig hebben in plaats van vrije tekst.

Je roept het aan via de OpenAI-compatibele API van api14 met het model-id "deepseek/deepseek-r1-0528". De ondersteunde request-parameters zijn 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 en top_p. De parameters reasoning en include_reasoning zijn degene die je wilt gebruiken wanneer je de reasoning-uitvoer in het antwoord wilt laten verschijnen, en tools met tool_choice dekt function calling.

Omdat het model alleen tekst is, is het niet de juiste keuze als je invoer afbeeldingen of audio bevat, en dan zou je een multimodaal model nodig hebben. De uitvoerlimiet van 32.768 tokens betekent ook dat zeer lange generaties moeten worden opgesplitst of voortgezet over meerdere aanroepen. Binnen die grenzen is het een sterke kandidaat voor reasoning-intensief tekstwerk.