R1 0528
4585°
Lancer ce modèle
Offres / Pub
DeepSeek | contexte de 163 840 tokens | 0,50 $/M en entrée, 2,15 $/M en sortie. Mise à jour du 28 mai du [DeepSeek R1 original](/deepseek/deepseek-r1). Performance comparable à [OpenAI o1](/openai/o1), mais open source et avec des tokens de raisonnement entièrement ouverts. Il compte 671 milliards de paramètres, avec 37 milliards actifs...
Guides pour ce modèle
Ollama vs LM Studio (2026) : quelle application d’IA locale choisir, et quels modèles top chacun fait tourner
Meilleur LLM local par cas d’usage (octobre 2026) : le bon modèle open source pour chaque tâche
De combien de VRAM ai-je vraiment besoin pour l'IA locale ?
Qu'est-ce qu'un fichier GGUF ? Explication des modèles quantifiés (Q4, Q8, fp8, NF4)
Notes du capitaine
Notes du 2026-10-13
DeepSeek R1 0528 est une mise à jour de mai 2025 du modèle de raisonnement phare de DeepSeek, construit par DeepSeek. Avec 671 milliards de paramètres dont 37 milliards actifs, il pousse nettement plus loin les performances en mathématiques, codage compétitif et logique que le R1 original, DeepSeek citant des gains sur tous les benchmarks. Poids ouverts et traces de raisonnement entièrement visibles en font une option sérieuse si vous voulez un raisonneur de classe frontier que vous pouvez inspecter et exécuter vous-même.
Connu pour
- Excellente performance en mathématiques, y compris de gros gains d'exactitude sur AIME 2025 par rapport au R1 original.
- Résultats compétitifs en codage, avec de grandes améliorations sur LiveCodeBench et Aider-Polyglot.
- Tokens de raisonnement entièrement ouverts — vous voyez la chaîne de pensée, pas seulement la réponse.
- Taux d'hallucination réduit et meilleure gestion des appels de fonction par rapport à la version précédente.
- Poids ouverts disponibles sur Hugging Face pour déploiement auto-hébergé.
Attention à
- 671 milliards de paramètres au total signifie que l'exécuter localement demande un matériel sérieux ; la plupart des utilisateurs passeront par une API.
- Le contexte est de 163 840 tokens — long, mais en dessous du seuil de 200K pour l'étiquette 'long contexte'.
- Le score SimpleQA a légèrement baissé par rapport au R1 original, donc le rappel factuel n'est pas une victoire nette.
Prompts à essayer
Problème mathématique compétitif
Trouvez tous les entiers positifs n tels que n^2 + 1 divise n^3 + 7. Montrez chaque étape de votre raisonnement, y compris comment vous écartez certains cas, et donnez l'ensemble complet des solutions avec preuve.
Déboguer une fonction délicate
Voici une fonction Python censée retourner la plus longue sous-chaîne sans caractères répétés, mais qui retourne parfois une mauvaise longueur pour des chaînes avec des caractères Unicode. Expliquez ce qui ne va pas, pourquoi, et donnez une version corrigée avec un bref 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
Planifier un agent multi-étapes
Concevez un agent autonome minimal qui surveille un répertoire pour de nouveaux fichiers CSV, valide que chaque fichier contient les colonnes requises (date, montant, catégorie), déplace les fichiers invalides en quarantaine, et ajoute les lignes valides dans une base SQLite. Listez les outils nécessaires, la logique décisionnelle à chaque étape, et les modes de défaillance à gérer.
Comparer avec
- DeepSeek V4.1 FlashModèle à poids ouvertsContexte de 1,048,576 tokens · entrée $0.04/M, sortie $0.68/M
- DeepSeek V4 Flash 0731Modèle à poids ouvertsContexte de 1,048,576 tokens · entrée $0.01/M, sortie $1.28/M
- DeepSeek V4 Flash 0423Modèle à poids ouvertsContexte de 1,048,576 tokens · entrée $0.09/M, sortie $0.18/M
- DeepSeek V4 Pro 0813Modèle à poids ouvertsContexte de 1,048,576 tokens · entrée $1.32/M, sortie $3.96/M
Plus de modèles de texte de deepseek
Questions fréquentes
- Les poids sont-ils ouverts et puis-je exécuter R1 0528 localement ?
- Oui, les poids sont ouverts et disponibles sur Hugging Face sous deepseek-ai/DeepSeek-R1-0528. Avec 671 milliards de paramètres au total, vous aurez besoin d'un matériel conséquent pour exécuter le modèle complet localement ; une version quantifiée ou un variant distillé plus petit est plus pratique pour la plupart des configurations.
- Quel est le coût de R1 0528 et quelle est la taille de la fenêtre de contexte ?
- Via API, il est tarifé à 0,50 $ par million de tokens d'entrée et 2,15 $ par million de tokens de sortie, avec une fenêtre de contexte de 163 840 tokens.
- En quoi R1 0528 diffère-t-il du DeepSeek R1 original ?
- C'est une mise à jour post-entraînement axée sur un raisonnement plus profond : DeepSeek rapporte que le modèle utilise désormais environ deux fois plus de tokens par étape de raisonnement, avec des gains significatifs sur les benchmarks mathématiques et de codage, un taux d'hallucination plus faible, et un support d'appel de fonction ajouté qui n'était pas évalué dans l'original.
Verdict du capitaineSi vous voulez un raisonneur de pointe avec poids ouverts et pensée visible, R1 0528 est la version la plus performante du meilleur modèle DeepSeek à ce jour.
Fiche modèle sur Hugging Face
Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.
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.
Comment ce score se calcule
Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.
Glossaire : les termes utilisés ici
- Score de chaleur
- Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
- Plancher
- Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
- Équivalents de téléchargement
- Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
- Échelle logarithmique
- On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
- Likes
- Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
- Taux d’adoption
- Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
- Mesuré et estimé
- Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
- Seeder
- Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
- AI Horde
- Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
- Sites de génération
- Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
- Tokens OpenRouter
- Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modèle complet (checkpoint)
- Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
- LoRA et embedding
- Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
- Famille et poids
- La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
- Âge
- Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
- Boost de la famille
- Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
- Score de remplacement
- Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
- Nouveau ! (période de grâce)
- Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
- Tendance
- Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
- Modèle typique
- Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.
R1 0528 est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.
Plus de modèles Text / LLMPlus de Texte / LLM Text / LLMllmdeepseekraisonnementmathématiquesprogrammationlocalagents
Parcourir par famille de modèles
Modèles Text / LLM
434
Modèles Anima
528
Modèles Chroma
19
Modèles Fibo
2
Modèles Flux
1,496
Modèles Flux 2 / Klein
1,239
Modèles Flux 3
3
Modèles Moss
3
Modèles Iris
1
Modèles MiniMax H3
364
Modèles Hunyuan
204
Modèles Ideogram
20
Modèles Krea2
717
Modèles Qwen
20
Modèles Qwen2
47
Modèles Ltx2
153