Zijn de gewichten open en kan ik R1 0528 lokaal draaien?

Ja, de gewichten zijn open en beschikbaar op Hugging Face onder deepseek-ai/DeepSeek-R1-0528. Met 671B parameters heb je serieuze hardware nodig om het volledige model lokaal te draaien; een gekwantiseerde versie of kleinere gedistilleerde variant is praktischer voor de meeste setups.

Wat kost R1 0528 en hoe groot is het contextvenster?

Via API kost het $0,50 per miljoen inputtokens en $2,15 per miljoen outputtokens, met een contextvenster van 163.840 tokens.

Hoe verschilt R1 0528 van de originele DeepSeek R1?

Het is een post-training update gericht op diepere redenatie: DeepSeek meldt dat het model nu ongeveer twee keer zoveel tokens per redeneerstap gebruikt, met betekenisvolle verbeteringen op wiskunde- en codeerbenchmarks, een lagere hallucinatieratio en toegevoegde functie-aanroepondersteuning die niet in de originele versie werd gemeten.

R1 0528

4585°

#llm #deepseek #redeneren #wiskunde #coderen #lokaal

Voer dit model uit

Aanbiedingen / Advertenties

OpenRouter Terminal / API

Betaal per token

Chat met dit model in de browser of roep het aan vanuit je code met één API-sleutel.

DeepSeek | 163.840 token context | $0.50/M input, $2.15/M output. Update van 28 mei voor de [originele DeepSeek R1](/deepseek/deepseek-r1) Prestaties vergelijkbaar met [OpenAI o1](/openai/o1), maar open-source en met volledig open redeneertokens. Het heeft 671 miljard parameters, met 37 miljard actief...

Gidsen voor dit model

Ollama vs LM Studio (2026): welke lokale AI-app gebruik je, en welke topmodellen draaien ze

Beste lokale LLM per gebruik (oktober 2026): het juiste open model voor elke klus

Hoeveel VRAM heb ik eigenlijk nodig voor lokale AI?

Wat is een GGUF-bestand? Uitleg over gekwantiseerde modellen (Q4, Q8, fp8, NF4)

Alle gidsen

Aantekeningen van de kapitein

Geschreven door Captain, de huisredacteur

Aantekeningen van 2026-10-13

DeepSeek R1 0528 is een update van mei 2025 van DeepSeek’s vlaggenschip redeneermodel, gebouwd door DeepSeek. Met 671B parameters waarvan 37B actief, legt het duidelijk meer nadruk op wiskunde, competitief coderen en logica dan de originele R1, met benchmarkverbeteringen over de hele linie volgens DeepSeek. Open gewichten en volledig zichtbare redeneertraces maken het een serieuze optie als je een toonaangevende redeneerder wilt die je zelf kunt inspecteren en draaien.

Bekend om

Sterke wiskundeprestaties, inclusief grote AIME 2025 nauwkeurigheidsverbeteringen ten opzichte van originele R1.
Competitieve codeerresultaten, met grote verbeteringen op LiveCodeBench en Aider-Polyglot.
Volledig open redeneertokens — je ziet de chain of thought, niet alleen het antwoord.
Verminderde hallucinatieratio en verbeterde functie-aanroep vergeleken met de vorige versie.
Open gewichten beschikbaar op Hugging Face voor zelf-hosting.

Let op

671B totale parameters betekent dat lokaal draaien serieuze hardware vereist; de meeste gebruikers zullen de API gebruiken.
Context is 163.840 tokens — lang, maar net onder de 200K grens voor het label 'lange context'.
SimpleQA-score daalde iets ten opzichte van originele R1, dus feitelijke kennis is geen duidelijke winst.

Het beste voor

Agenten en toolgebruik

Prompts om te proberen

Competitief wiskundeprobleem

Vind alle positieve gehele getallen n zodat n^2 + 1 deelt n^3 + 7. Toon elke stap van je redenering, inclusief hoe je gevallen uitsluit, en geef de volledige oplossingsverzameling met bewijs.

Debug een lastige functie

Hier is een Python-functie die de langste substring zonder herhaalde karakters moet teruggeven, maar soms de verkeerde lengte geeft voor strings met Unicode-tekens. Loop door wat er mis is, leg uit waarom, en geef een verbeterde versie met een korte test. 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

Plan een meerstaps agent

Ontwerp een minimale autonome agent die een map bewaakt op nieuwe CSV-bestanden, controleert of elk bestand de vereiste kolommen (datum, bedrag, categorie) bevat, ongeldige bestanden naar een quarantaine-map verplaatst en geldige rijen toevoegt aan een SQLite-database. Noem de benodigde tools, de beslislogica bij elke stap en eventuele faalwijzen die je moet afhandelen.

Vergelijk met

DeepSeek V4.1 Flash
Model met open gewichten
1,048,576 token context · $0.04/M invoer, $0.68/M uitvoer
DeepSeek V4 Flash 0731
Model met open gewichten
1,048,576 token context · $0.01/M invoer, $1.28/M uitvoer
DeepSeek V4 Flash 0423
Model met open gewichten
1,048,576 token context · $0.09/M invoer, $0.18/M uitvoer
DeepSeek V4 Pro 0813
Model met open gewichten
1,048,576 token context · $1.32/M invoer, $3.96/M uitvoer

Meer tekstmodellen van deepseek

Veelgestelde vragen

Zijn de gewichten open en kan ik R1 0528 lokaal draaien?: Ja, de gewichten zijn open en beschikbaar op Hugging Face onder deepseek-ai/DeepSeek-R1-0528. Met 671B parameters heb je serieuze hardware nodig om het volledige model lokaal te draaien; een gekwantiseerde versie of kleinere gedistilleerde variant is praktischer voor de meeste setups.
Wat kost R1 0528 en hoe groot is het contextvenster?: Via API kost het $0,50 per miljoen inputtokens en $2,15 per miljoen outputtokens, met een contextvenster van 163.840 tokens.
Hoe verschilt R1 0528 van de originele DeepSeek R1?: Het is een post-training update gericht op diepere redenatie: DeepSeek meldt dat het model nu ongeveer twee keer zoveel tokens per redeneerstap gebruikt, met betekenisvolle verbeteringen op wiskunde- en codeerbenchmarks, een lagere hallucinatieratio en toegevoegde functie-aanroepondersteuning die niet in de originele versie werd gemeten.

Oordeel van de kapitein
Als je een toonaangevende redeneerder wilt met open gewichten en zichtbare denkwijze, is R1 0528 de meest capabele versie van DeepSeek’s beste model tot nu toe.

Modelkaart op Hugging Face

De kapitein schrijft deze aantekeningen op basis van de eigen beschrijving en modelkaart van het model. Prijzen en contextgroottes zijn die van de provider op het moment van schrijven en kunnen veranderen.

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

Hoe deze score wordt opgebouwd

Dit model heeft nog geen populariteitsgegevens van welke bron dan ook, dus het krijgt een tijdelijke waarde onder 7,000° om de lijsten compleet te houden. Het staat nooit hoger dan een model met data. De uitsplitsing verschijnt hier zodra een bron het rapporteert.

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Vergelijkbare modellen

Llama 3.2 3B Instruct

AI-modellen voor het genereren van afbeeldingen, video en tekst

R1 0528 is een tekstmodel voor de Text / LLM-familie, vermeld op ModelTrends.ai, een alleen-lezen catalogus van open source AI-modellen voor afbeeldingen, video en tekst. Vergelijk het met andere Text / LLM-modellen en bekijk de populariteitsscore om de trend te zien.

Meer Text / LLM-modellen Meer Text / LLM Tekst / LLM llm deepseek redeneren wiskunde coderen lokaal agenten

Bladeren op modelfamilie