I pesi sono aperti e posso eseguire R1 0528 localmente?

Sì, i pesi sono aperti e disponibili su Hugging Face sotto deepseek-ai/DeepSeek-R1-0528. Con 671 miliardi di parametri totali servirà hardware sostanziale per eseguire il modello completo localmente; una versione quantizzata o una variante distillata più piccola è più pratica per la maggior parte delle configurazioni.

Quanto costa R1 0528 e qual è la finestra di contesto?

Via API costa 0,50$ per milione di token in input e 2,15$ per milione in output, con una finestra di contesto di 163.840 token.

In cosa differisce R1 0528 dall’originale DeepSeek R1?

È un aggiornamento post-training focalizzato su ragionamento più profondo: DeepSeek riporta che ora il modello usa circa il doppio dei token per passo di ragionamento, con guadagni significativi su benchmark di matematica e coding e un tasso di allucinazioni più basso, oltre a un supporto aggiuntivo per chiamata di funzioni non benchmarkato nell’originale.

R1 0528

4585°

#llm #deepseek #ragionamento #matematica #programmazione #locale

Esegui questo modello

Offerte / Annunci

OpenRouter Terminale / API

Paga per token

Chatta con questo modello nel browser o chiamalo dal tuo codice con una chiave API.

DeepSeek | contesto di 163.840 token | $0.50/M input, $2.15/M output. Aggiornamento del 28 maggio al [DeepSeek R1 originale](/deepseek/deepseek-r1). Prestazioni paragonabili a [OpenAI o1](/openai/o1), ma open-source e con token di ragionamento completamente aperti. Ha una dimensione di 671 miliardi di parametri, con 37 miliardi attivi...

Guide per questo modello

Ollama vs LM Studio (2026): quale app AI locale usare e quali modelli top esegue ciascuna

Il miglior LLM locale per caso d'uso (ottobre 2026): il modello open giusto per ogni lavoro

Quanta VRAM serve davvero per l'AI locale?

Cos'è un file GGUF? Modelli quantizzati spiegati (Q4, Q8, fp8, NF4)

Tutte le guide

Note del capitano

Scritto da Captain, l'editor di casa

Note del 2026-10-13

DeepSeek R1 0528 è un aggiornamento di maggio 2025 del modello di punta per il ragionamento di DeepSeek, costruito da DeepSeek. Con 671 miliardi di parametri totali e 37 miliardi attivi, spinge notevolmente di più su matematica, coding competitivo e logica rispetto all’R1 originale, con DeepSeek che cita miglioramenti nei benchmark su tutta la linea. Pesi aperti e tracce di ragionamento completamente visibili lo rendono un’opzione seria se vuoi un reasoner di livello frontier che puoi ispezionare ed eseguire da solo.

Conosciuto per

Ottime prestazioni in matematica, inclusi grandi guadagni di accuratezza su AIME 2025 rispetto all’R1 originale.
Risultati competitivi nel coding, con miglioramenti importanti su LiveCodeBench e Aider-Polyglot.
Token di ragionamento completamente aperti — vedi la catena di pensiero, non solo la risposta.
Riduzione del tasso di allucinazioni e migliorata chiamata di funzioni rispetto alla versione precedente.
Pesi aperti disponibili su Hugging Face per deployment self-hosted.

Attenzione a

671 miliardi di parametri totali significa che eseguirlo localmente richiede hardware serio; la maggior parte degli utenti userà un’API.
Il contesto è di 163.840 token — lungo, ma sotto la soglia di 200K per l’etichetta 'contesto lungo'.
Il punteggio SimpleQA è leggermente calato rispetto all’R1 originale, quindi il richiamo fattuale non è un netto miglioramento.

Ideale per

Agenti e uso di strumenti

Prompt da provare

Problema matematico competitivo

Trova tutti gli interi positivi n tali che n^2 + 1 divida n^3 + 7. Mostra ogni passo del ragionamento, inclusi come escludi casi, e indica l’insieme completo delle soluzioni con prova.

Debug di una funzione complessa

Ecco una funzione Python che dovrebbe restituire la sottostringa più lunga senza caratteri ripetuti, ma a volte restituisce la lunghezza sbagliata per stringhe con caratteri Unicode. Spiega cosa c’è di sbagliato, perché, e fornisci una versione corretta con un breve 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

Pianifica un agente multi-step

Progetta un agente autonomo minimale che monitora una cartella per nuovi file CSV, verifica che ogni file abbia le colonne richieste (data, importo, categoria), sposta i file non validi in una cartella quarantena e aggiunge le righe valide a un database SQLite. Elenca gli strumenti necessari all’agente, la logica decisionale a ogni passo e le modalità di errore da gestire.

Confronta con

DeepSeek V4.1 Flash
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.04/M, output $0.68/M
DeepSeek V4 Flash 0731
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.01/M, output $1.28/M
DeepSeek V4 Flash 0423
Modello con pesi aperti
Contesto di 1,048,576 token · Input $0.09/M, output $0.18/M
DeepSeek V4 Pro 0813
Modello con pesi aperti
Contesto di 1,048,576 token · Input $1.32/M, output $3.96/M

Altri modelli di testo da deepseek

Domande frequenti

I pesi sono aperti e posso eseguire R1 0528 localmente?: Sì, i pesi sono aperti e disponibili su Hugging Face sotto deepseek-ai/DeepSeek-R1-0528. Con 671 miliardi di parametri totali servirà hardware sostanziale per eseguire il modello completo localmente; una versione quantizzata o una variante distillata più piccola è più pratica per la maggior parte delle configurazioni.
Quanto costa R1 0528 e qual è la finestra di contesto?: Via API costa 0,50$ per milione di token in input e 2,15$ per milione in output, con una finestra di contesto di 163.840 token.
In cosa differisce R1 0528 dall’originale DeepSeek R1?: È un aggiornamento post-training focalizzato su ragionamento più profondo: DeepSeek riporta che ora il modello usa circa il doppio dei token per passo di ragionamento, con guadagni significativi su benchmark di matematica e coding e un tasso di allucinazioni più basso, oltre a un supporto aggiuntivo per chiamata di funzioni non benchmarkato nell’originale.

Verdetto del capitano
Se vuoi un reasoner frontier con pesi aperti e pensiero visibile, R1 0528 è la versione più capace del miglior modello DeepSeek finora.

Scheda modello su Hugging Face

Il capitano scrive queste note dalla descrizione e dalla scheda modello. Prezzi e dimensioni del contesto sono quelli del provider al momento della scrittura e possono cambiare.

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

Come si calcola questo punteggio

Questo modello non ha ancora dati di popolarità da nessuna fonte, quindi ha un numero provvisorio sotto 7,000° che mantiene le liste complete. Non supera mai un modello con dati. La suddivisione appare qui appena una fonte la segnala.

Glossario: i termini usati qui

Punteggio heat: Un numero che indica quanto un modello è usato e desiderato ora, da 0° a 9.999°. Ogni lista su questo sito che dice più caldo è ordinata per questo e nient’altro.
Soglia minima: I 7.000° da cui parte ogni modello con dati reali. La scala va da 0° a 9.999°; la parte sotto la soglia è riservata ai sostituti (modelli senza dati), così un modello con dati è sempre sopra uno senza. La soglia è uguale per tutti e non decide nulla; i gradi sopra sono la misura.
Equivalenti di download: Tutto ciò che il punteggio considera come un download, sommato: i download stessi, ogni seeder torrent come 1.000, ogni immagine AI Horde e ogni esecuzione su un sito di generazione come uno.
Scala logaritmica: Conta a decine, non a unità: passare da 1.000 a 10.000 download aggiunge gli stessi gradi che passare da 10.000 a 100.000. Evita che i giganti schiaccino tutto il resto.
Like: Pollici in su e like da ogni fonte, valgono metà di un download sulla scala logaritmica.
Tasso di adozione: Quanti download al giorno riceve un modello ora, dalla differenza tra due rilevazioni di una fonte. Un quarto del peso del termine download.
Misurato e stimato: Misurato significa che ci sono due letture di una fonte e la differenza è reale. Stimato significa che si conosce solo il totale di oggi e il passato è distribuito sulla vita del modello; il sito indica quale viene mostrato.
Seeder: Qualcuno che mantiene una copia dei pesi online per farli scaricare agli altri tramite torrent, o uno specchio ospitato che fa lo stesso. Ognuno conta come 1.000 download.
AI Horde: Una rete di volontari che genera immagini gratis su computer donati. Il numero di immagini create con un modello è pubblico, e ognuna conta come un download.
Siti di generazione: Siti che ospitano copie di un modello e permettono di generare con esso, come PixAI, SeaArt e Yodayo. I loro download contano come quelli di Civitai e ogni generazione come un download.
Token OpenRouter: Un modello di testo servito tramite API, come Claude o GPT, non ha pesi da scaricare, quindi il suo utilizzo si misura in token: i pezzi di testo letti e scritti tramite OpenRouter, un gateway usato da molte app, negli ultimi 30 giorni. Ogni 10,000,000 token conta come un download. Fonte: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modello completo (checkpoint): I pesi stessi, il file che genera da solo. Riceve un bonus perché da esso dipendono gli add-on.
LoRA e embedding: Piccoli file add-on che indirizzano i pesi di qualcun altro verso uno stile, un personaggio o un concetto. Non possono funzionare da soli.
Famiglia e pesi: La base su cui è costruito un modello, come SD 1.5, SDXL, Flux o Wan. Ogni modello eredita la data di rilascio dei pesi della sua famiglia.
Età: Gradi tolti in base a quanto tempo fa sono usciti i pesi della famiglia: 150° all'anno, fino a 750°. Mantiene i vecchi download che hanno avuto anni per accumularsi congelando la cima della lista.
Boost famiglia: Una piccola spinta limitata per le LoRA di una famiglia che questo sito sta promuovendo ora, sempre elencata nel dettaglio.
Punteggio stand-in: Un numero stabile sotto il minimo dato a un modello su cui nessuna fonte ha ancora dati, così le liste restano complete. Non supera mai un modello con dati.
Novità! (periodo di grazia): Un modello più giovane di 7 giorni mostra Novità! invece di un punteggio e non ha posizione nelle classifiche. Il suo punteggio è calcolato dal primo giorno, ma un modello di un giorno cresce più velocemente di qualsiasi altro, quindi senza l'attesa il #1 della settimana sarebbe sempre quello uscito ieri invece di quello che ha resistito per una settimana.
Tendenza: Come la crescita di un modello in un periodo si confronta con la crescita tipica di un modello nello stesso periodo. Più veloce del tipico si legge come aumento, più lento come calo.
Modello tipico: Il centro del catalogo: metà dei modelli con un valore è cresciuta più velocemente nel periodo, metà più lentamente.

Modelli simili

Modelli di IA per generare immagini, video e testo

R1 0528 è un modello di testo per la famiglia Text / LLM presente su ModelTrends.ai, un catalogo in sola lettura di modelli di IA open source per immagini, video e testo. Confrontalo con gli altri modelli Text / LLM e controlla il punteggio di calore per vedere la tendenza.

Altri modelli Text / LLM Altri Testo / LLM Text / LLM llm deepseek ragionamento matematica programmazione locale agenti

Sfoglia per famiglia di modelli