Model
.ai
追踪开放 AI 模型
本模型的指南
全部指南
DeepSeek | 64,000 令牌上下文 | 输入 $0.70/千,输出 $2.50/千。DeepSeek R1 已发布:性能与 OpenAI o1 相当,但开源且推理令牌完全开放。模型参数为 6710 亿,推理时激活 370 亿。完全开源模型及技术报告。MIT 许可:自由蒸馏与商业化!
DeepSeek R1 是 DeepSeek 推出的 6710 亿参数稀疏专家混合推理模型,主要通过强化学习训练,而非监督微调。它在数学、代码和推理任务上与 OpenAI o1 表现相当,同时公开了其链式思维令牌——这是 o1 所不具备的。采用 MIT 许可和开源权重,适合研究人员、开发者及任何希望拥有前沿级推理器且能实际检查、蒸馏或商业部署的人士。

以……著称

  • 在数学、代码和逻辑任务上的推理性能可匹敌 OpenAI o1
  • 完全公开的链式思维令牌——推理过程透明
  • MIT 许可:可自由蒸馏、微调和商业化
  • 同时发布六个更小的蒸馏模型,参数规模最低至 15 亿
  • 强化学习训练中自发出现自我验证和反思行为

注意

  • 6710 亿总参数:本地运行需要强大硬件,大多数用户将使用 API。
  • 64,000 令牌上下文窗口,在同级别性能模型中偏短。
  • 前代 R1-Zero 存在语言混用和重复问题,R1 有改进,但部署前请仔细阅读使用建议。

推荐尝试的提示词

反证法证明
证明根号 2 是无理数。展示推理的每一步,标注任何假设,并在给出最终答案前检查论证是否有漏洞。
调试复杂函数
这是一个 Python 函数,旨在返回最长无重复字符子串,但对某些输入返回错误结果。逐步分析逻辑,找出错误,解释失败原因,并给出修正版本及简要说明。 def longest_unique(s): seen = {} start = 0 best = '' for i, c in enumerate(s): if c in seen: start = seen[c] seen[c] = i if i - start + 1 > len(best): best = s[start:i+1] return best
约束条件下的计划
一个三人小团队必须在不停机的情况下将生产数据库迁移到新架构。数据库有 5000 万行,应用不能下线。请分析风险,按顺序列出步骤,并解释每个决策背后的理由,最后给出迁移方案。

与……比较

来自 deepseek 的更多文本模型

常见问题

权重是开源的吗?我能本地运行 R1 吗?
是的,DeepSeek R1 采用 MIT 许可,权重托管在 Hugging Face,您可以下载并本地运行,但完整 6710 亿模型需要强大硬件;六个蒸馏版本(最低 15 亿参数)更适合本地使用。
费用和上下文窗口是多少?
API 价格为每百万输入令牌 0.70 美元,输出每百万令牌 2.50 美元,上下文窗口为 64,000 令牌。
R1 与 DeepSeek 其他模型有何不同?
R1 是 DeepSeek 专注推理的模型,采用大规模强化学习训练以生成显式链式思维,针对数学、代码和复杂推理,而非通用聊天,且公开推理令牌。
船长评语
迄今为止最重要的开源权重推理模型:前沿性能、MIT 许可,推理过程完全透明。
Hugging Face 上的模型卡
船长根据模型自身描述和模型卡撰写这些笔记。价格和上下文大小为撰写时提供商的数据,可能会变动。
Ranking badge
Updated Oct 22, 2026
ModelTrends.ai 上的 R1:Heat 1,660°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
这个评分是怎么计算的
这个模型还没有任何来源的流行度数据,所以它用一个低于 7,000° 的替代数值来保持列表完整。它永远不会排在有数据的模型前面。一旦有来源报告数据,分解就会显示在这里。
术语表:这里用到的术语
热度得分
一个数字,表示模型当前的使用和需求程度,范围从0°到9,999°。本站所有标注为最热门的榜单都按这个分数排序,别无他物。
基准线
所有有真实数据的模型起始于7,000°。分数范围是0°到9,999°;基准线以下的部分保留给无数据的替代模型,这样有数据的模型总是排在无数据模型之上。基准线对所有人相同,不影响排名;超过基准线的度数才是实际测量值。
下载等价量
得分中当作下载计算的所有项目总和:下载本身,每个种子上传者算1,000,每个AI Horde图片和每次生成网站的运行算一个。
对数刻度
以十为单位计数,而不是以一为单位:从1,000到10,000下载增加的热度和从10,000到100,000增加的热度相同。这样可以防止巨头压倒一切。
点赞
来自所有来源的点赞和竖起大拇指,每个点赞在对数刻度上价值半个下载。
采用率
模型当前每天的下载次数,基于两次读数的差值。权重是下载项的四分之一。
测量与估算
测量表示有两个来源的读数,且差异是真实的。估算表示只知道今天的总数,过去的数据是根据模型的生命周期分配的;网站会说明显示的是哪种。
做种者
指那些在线保存权重副本供他人通过种子下载的人,或者提供同样服务的托管镜像。每个做种者相当于1000次下载。
AI Horde
一个志愿者网络,在捐赠的电脑上免费生成图片。它用某个模型生成的图片数量是公开的,每张图片算作一次下载。
生成网站
托管自己模型副本并允许用户生成的站点,比如PixAI、SeaArt和Yodayo。它们的下载计数和Civitai一样,每次生成算一次下载。
OpenRouter 令牌
通过API提供的文本模型,如Claude或GPT,没有权重需要下载,因此其使用量以令牌计量:过去30天内通过OpenRouter(一种许多应用使用的网关)读取和生成的文本片段。每10,000,000个令牌计为一次下载。来源:OpenRouter (openrouter.ai/rankings),CC BY 4.0。
完整模型(检查点)
权重文件本身,是能独立生成的文件。它会获得额外加分,因为附加组件依赖它。
LoRA和嵌入
小型附加文件,用来引导别人的权重朝向某种风格、角色或概念。它们不能单独运行。
家族与权重
模型构建所基于的基础,比如SD 1.5、SDXL、Flux或Wan。每个模型继承其家族权重的发布日期。
年龄
根据家族权重发布多久,扣除的度数:每年150°,最多750°。它保留了那些积累了多年下载量的老模型,防止它们被挤出榜单顶部。
家族加成
对当前网站重点推广的某个家族的LoRA给予的小幅度限制性加分,总是在分数细目中列出。
替代分数
给还没有任何来源报告的模型一个稳定的最低分数,这样榜单才完整。它永远不会高于有数据的模型。
新模型!(宽限期)
不到7天的新模型显示“新模型!”而非分数,且不参与排名。其分数从第一天开始计算,但一天大的模型增长最快,若不等待,周榜#1总是昨天刚发布的模型,而非持续一周的。
趋势
模型在某段时间内的增长与同一时间段内典型模型增长的对比。比典型快表示上升,比典型慢表示下降。
典型模型
目录的中间值:一半有数据的模型增长比它快,一半比它慢。