Jsou váhy otevřené a mohu R1 0528 spustit lokálně?

Ano, váhy jsou otevřené a dostupné na Hugging Face pod deepseek-ai/DeepSeek-R1-0528. S 671 miliardami parametrů budete potřebovat výkonný hardware pro lokální provoz plného modelu; kvantizovaná verze nebo menší destilovaná varianta je pro většinu setupů praktičtější.

Kolik R1 0528 stojí a jaké má kontextové okno?

Přes API stojí 0,50 USD za milion vstupních tokenů a 2,15 USD za milion výstupních tokenů, s kontextovým oknem 163 840 tokenů.

Čím se R1 0528 liší od původního DeepSeek R1?

Je to post-tréninková aktualizace zaměřená na hlubší uvažování: DeepSeek uvádí, že model nyní používá přibližně dvojnásobek tokenů na krok uvažování, s významnými zlepšeními v matematice a kódování, nižší mírou halucinací a přidanou podporou volání funkcí, která nebyla v původním modelu benchmarkována.

R1 0528

4585°

#llm #deepseek #uvažování #matematika #programování #lokální

Spustit model

Nabídky / Reklamy

OpenRouter Terminál / API

Platba za token

Chatuj s tímto modelem v prohlížeči nebo ho zavolej ze svého kódu s jedním API klíčem.

DeepSeek | kontext 163 840 tokenů | $0,50/M vstup, $2,15/M výstup. Aktualizace z 28. května původního DeepSeek R1. Výkon srovnatelný s OpenAI o1, ale open-source a s plně otevřenými tokeny uvažování. Má velikost 671 miliard parametrů, s 37 miliardami aktivních...

Návody k tomuto modelu

Ollama vs LM Studio (2026): kterou lokální AI aplikaci použít a jaké špičkové modely každá z nich spouští

Nejlepší lokální LLM podle použití (říjen 2026): správný otevřený model pro každou práci

Kolik VRAM vlastně potřebuji pro lokální AI?

Co je soubor GGUF? Vysvětlení kvantovaných modelů (Q4, Q8, fp8, NF4)

Všechny návody

Poznámky kapitána

Napsal Captain, hlavní redaktor

Poznámky z 2026-10-13

DeepSeek R1 0528 je květnová 2025 aktualizace vlajkového modelu pro uvažování od DeepSeek. S 671 miliardami parametrů a 37 miliardami aktivních výrazně posiluje matematiku, soutěžní kódování a logiku oproti původnímu R1, přičemž DeepSeek uvádí zlepšení ve všech benchmarkech. Otevřené váhy a plně viditelné stopy uvažování z něj dělají vážnou volbu, pokud chcete špičkový model pro uvažování, který můžete sami zkoumat a provozovat.

Známý pro

Silný výkon v matematice, včetně výrazných zlepšení přes AIME 2025 oproti původnímu R1.
Výsledky v soutěžním kódování s výraznými zlepšeními na LiveCodeBench a Aider-Polyglot.
Plně otevřené tokeny uvažování — vidíte řetězec myšlení, nejen odpověď.
Snížená míra halucinací a lepší volání funkcí oproti předchozí verzi.
Otevřené váhy dostupné na Hugging Face pro lokální nasazení.

Dej pozor na

671 miliard parametrů znamená, že lokální provoz vyžaduje výkonný hardware; většina uživatelů použije API.
Kontext je 163 840 tokenů — dlouhý, ale nedosahuje hranice 200 000 tokenů pro označení 'dlouhý kontext'.
Skóre SimpleQA mírně kleslo oproti původnímu R1, takže faktická paměť není jednoznačně lepší.

Nejlepší pro

Agenti a používání nástrojů

Promptů k vyzkoušení

Soutěžní matematický problém

Najděte všechna kladná celá čísla n taková, že n^2 + 1 dělí n^3 + 7. Ukažte každý krok svého uvažování, včetně vyloučení případů, a uveďte kompletní množinu řešení s důkazem.

Ladění složité funkce

Zde je Python funkce, která má vracet nejdelší podřetězec bez opakujících se znaků, ale někdy vrací špatnou délku u řetězců s Unicode znaky. Projděte, co je špatně, vysvětlete proč a dejte opravenou verzi s krátkým testem. def longest_unique(s): seen = {} start = max_len = 0 for i, c in enumerate(s): if c in seen: start = seen[c] + 1 seen[c] = i max_len = max(max_len, i - start + 1) return max_len

Plán vícekrokového agenta

Navrhněte minimálního autonomního agenta, který sleduje adresář na nové CSV soubory, ověřuje, že každý soubor má požadované sloupce (datum, částka, kategorie), přesouvá neplatné soubory do karantény a přidává platné řádky do SQLite databáze. Uveďte nástroje, které agent potřebuje, rozhodovací logiku v každém kroku a možné chyby, které stojí za řešení.

Porovnat s

DeepSeek V4.1 Flash
Model s otevřenými váhami
kontext 1,048,576 tokenů · $0.04/M vstup, $0.68/M výstup
DeepSeek V4 Flash 0731
Model s otevřenými váhami
kontext 1,048,576 tokenů · $0.01/M vstup, $1.28/M výstup
DeepSeek V4 Flash 0423
Model s otevřenými váhami
kontext 1,048,576 tokenů · $0.09/M vstup, $0.18/M výstup
DeepSeek V4 Pro 0813
Model s otevřenými váhami
kontext 1,048,576 tokenů · $1.32/M vstup, $3.96/M výstup

Více textových modelů od deepseek

Často kladené otázky

Jsou váhy otevřené a mohu R1 0528 spustit lokálně?: Ano, váhy jsou otevřené a dostupné na Hugging Face pod deepseek-ai/DeepSeek-R1-0528. S 671 miliardami parametrů budete potřebovat výkonný hardware pro lokální provoz plného modelu; kvantizovaná verze nebo menší destilovaná varianta je pro většinu setupů praktičtější.
Kolik R1 0528 stojí a jaké má kontextové okno?: Přes API stojí 0,50 USD za milion vstupních tokenů a 2,15 USD za milion výstupních tokenů, s kontextovým oknem 163 840 tokenů.
Čím se R1 0528 liší od původního DeepSeek R1?: Je to post-tréninková aktualizace zaměřená na hlubší uvažování: DeepSeek uvádí, že model nyní používá přibližně dvojnásobek tokenů na krok uvažování, s významnými zlepšeními v matematice a kódování, nižší mírou halucinací a přidanou podporou volání funkcí, která nebyla v původním modelu benchmarkována.

Verdikt kapitána
Pokud chcete špičkový model pro uvažování s otevřenými váhami a viditelným myšlením, R1 0528 je nejvýkonnější verzí DeepSeekova nejlepšího modelu dosud.

Modelová karta na Hugging Face

Kapitán píše tyto poznámky na základě popisu modelu a modelové karty. Ceny a velikosti kontextu jsou od poskytovatele v době psaní a mohou se změnit.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Jak se toto skóre sčítá

Tento model zatím nemá žádná data o popularitě z žádného zdroje, takže má náhradní číslo pod 7,000°, které udržuje seznamy kompletní. Nikdy se neumístí výš než model s daty. Rozpis se tu objeví, jakmile ho nějaký zdroj nahlásí.

Slovníček: pojmy používané zde

Heat skóre: Jedno číslo, které ukazuje, jak moc se model teď používá a chce, od 0° do 9 999°. Každý seznam na tomto webu, který říká nejžhavější, je podle toho seřazený a nic jiného.
Minimum: 7 000° je základ, od kterého začíná každý model s reálnými daty. Měřítko je od 0° do 9 999°; část pod minimem je vyhrazena pro zástupce (modely bez dat), aby model s daty byl vždy výš než ten bez. Minimum je stejné pro všechny a nic nerozhoduje; stupně nad ním jsou měření.
Ekvivalenty stažení: Všechno, co skóre počítá jako stažení, sečtené: samotná stažení, každý torrent seeder jako 1 000, každý obrázek z AI Horde a každý běh na generujícím webu jako jedno.
Logaritmická škála: Počítá se po desítkách, ne po jednotkách: přechod z 1 000 na 10 000 stažení přidá stejný počet stupňů jako z 10 000 na 100 000. Zabraňuje, aby obři přebili všechno ostatní.
Lajky: Palce nahoru a lajky ze všech zdrojů, každý za polovinu váhy stažení na logaritmické škále.
Rychlost přijetí: Kolik stažení denně model právě teď má, podle rozdílu mezi dvěma odečty zdroje. Čtvrtina váhy oproti termínu stažení.
Měřené a odhadované: Měřené znamená, že existují dva záznamy zdroje a rozdíl je skutečný. Odhadované znamená, že je znám jen dnešní celkový údaj a minulost je rozložena přes životnost modelu; stránka uvádí, který typ zobrazuje.
Seeder: Někdo, kdo drží kopii vah online, aby si ji ostatní mohli stáhnout přes torrent, nebo hostovaný zrcadlový server, který dělá totéž. Každý takový počítá jako 1 000 stažení.
AI Horde: Dobrovolnická síť, která zdarma generuje obrázky na darovaných počítačích. Počet obrázků vytvořených s modelem je veřejný a každý se počítá jako jedno stažení.
Generační stránky: Stránky, které hostují vlastní kopie modelu a umožňují lidem generovat s ním, například PixAI, SeaArt a Yodayo. Jejich stažení se počítají stejně jako u Civitai a každý běh generování jako jedno stažení.
OpenRouter tokeny: Textový model poskytovaný přes API, jako Claude nebo GPT, nemá žádné váhy ke stažení, takže jeho využití se měří tokeny: kusy textu, které přečetl a napsal přes OpenRouter, bránu, kterou používá mnoho aplikací, za posledních 30 dní. Každých 10,000,000 tokenů se počítá jako jedno stažení. Zdroj: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Plný model (checkpoint): Samotné váhy, soubor, který generuje sám o sobě. Má bonus, protože na něm závisí doplňky.
LoRA a embedding: Malé doplňkové soubory, které nasměrují váhy někoho jiného k určitému stylu, postavě nebo konceptu. Samy o sobě nemohou běžet.
Rodina a váhy: Základ, na kterém je model postavený, například SD 1.5, SDXL, Flux nebo Wan. Každý model dědí datum vydání vah své rodiny.
Věk: Stupně odečtené podle toho, jak dávno vyšla váha rodiny: 150° za rok, až do 750°. Staré stažení, která měla roky na nashromáždění, zůstávají nahoře na seznamu.
Boost rodiny: Malý, omezený posun pro LoRA rodiny, kterou tato stránka právě podporuje, vždy uvedený v rozpisu.
Náhradní skóre: Stabilní číslo pod minimem dané modelu, o kterém zatím žádný zdroj nehlásí, aby seznamy zůstaly kompletní. Nikdy není výše než model s daty.
Nové! (ochranná lhůta): Model mladší než 7 dní ukazuje místo skóre Nové! a nezískává místo v žebříčku. Jeho skóre se počítá od prvního dne, ale model starý jeden den roste rychleji než cokoli jiného, takže bez čekání by #1 týdne byl vždy model, který vyšel včera, místo toho, co vydrželo týden.
Trend: Jak růst modelu za určité období odpovídá typickému růstu modelu za stejné období. Rychlejší než obvyklé znamená vzestup, pomalejší pokles.
Typický model: Střed katalogu: polovina modelů s číslem rostla rychleji za dané období, polovina pomaleji.

Podobné modely

L3.3 70B Euryale v2.3

AI modely pro generování obrázků, videa a textu

R1 0528 je textový model pro rodinu Text / LLM uvedený na ModelTrends.ai, katalogu open source AI modelů pro obrázky, video a text určeném jen ke čtení. Porovnejte ho s dalšími modely Text / LLM a podívejte se na jeho skóre žhavosti.

Další modely Text / LLM llm deepseek uvažování matematika programování lokální agenti

Procházet podle rodiny modelů