DeepSeek: R1 0528

DeepSeek: R1 0528 är en textmodell från DeepSeek, släppt av leverantören 2025-05-28 som uppdateringen den 28 maj av den ursprungliga DeepSeek R1. Det är en modell med 671B parametrar och 37B aktiva parametrar, och den är öppen källkod med helt öppna resonemangstokens. DeepSeek beskriver dess prestanda som jämförbar med OpenAI o1.

Modellen tar text in och ger text ut. Den accepterar textpromptar och returnerar text, inklusive resonemangsutdata, och den har ett kontextfönster på 163 840 tokens med en maximal utdata på 32 768 tokens. Dess kunskapsavgränsning är 2025-03-31. Eftersom resonemangstokens är helt öppna kan du granska modellens mellanliggande tänkande i stället för bara dess slutliga svar, vilket spelar roll när du behöver felsöka eller granska hur en slutsats nåddes.

Den kombinationen av ett stort kontextfönster, öppet resonemang och verktygsstöd pekar mot några praktiska användningsområden. Långa dokument, såsom specifikationer, kontrakt eller forskningsartiklar, får plats bekvämt i kontextfönstret, så sammanfattning, extrahering och frågebesvarande över stora indata är rimliga tillämpningar. Öppna resonemangstokens passar uppgifter där vägen till svaret spelar roll: matematik i flera steg, logikproblem, kodanalys och alla arbetsflöden där du vill granska modellens tankekedja. Verktygsanrop och strukturerade utdata gör den användbar i agentpipelines och i system som behöver maskinläsbara svar i stället för fri text.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "deepseek/deepseek-r1-0528". De stödda begärandeparametrarna är 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 och top_p. Parametrarna reasoning och include_reasoning är de du bör använda när du vill att resonemangsutdata ska visas i svaret, och tools med tool_choice täcker funktionsanrop.

Eftersom modellen endast hanterar text är den inte rätt val om din indata innehåller bilder eller ljud, och du skulle då behöva en multimodell modell i stället. Gränsen på 32 768 tokens för utdata innebär också att mycket långa genereringar måste delas upp eller fortsättas över flera anrop. Inom dessa gränser är den en stark kandidat för resonemangstungt textarbete.