Sunt greutățile deschise și pot rula R1 0528 local?

Da, greutățile sunt deschise și disponibile pe Hugging Face sub deepseek-ai/DeepSeek-R1-0528. Având 671 miliarde parametri total, vei avea nevoie de hardware substanțial pentru a rula modelul complet local; o versiune cuantificată sau o variantă distilată mai mică este mai practică pentru majoritatea configurațiilor.

Care este costul R1 0528 și cât de lungă este fereastra de context?

Prin API costă 0,50 USD per milion de tokeni de intrare și 2,15 USD per milion de tokeni de ieșire, cu o fereastră de context de 163.840 tokeni.

Cum diferă R1 0528 de DeepSeek R1 original?

Este o actualizare post-antrenament axată pe raționament mai profund: DeepSeek raportează că modelul folosește acum aproximativ de două ori mai mulți tokeni per pas de raționament, cu câștiguri semnificative la benchmark-uri de matematică și codare și o rată mai mică de halucinații, plus suport adăugat pentru apelarea funcțiilor, care nu a fost evaluat în versiunea originală.

R1 0528

4585°

#llm #deepseek #raționament #matematică #programare #local

Rulează modelul

Oferte / Reclame

OpenRouter Terminal / API

Plătește pe token

Conversează cu acest model în browser sau apelează-l din codul tău cu o singură cheie API.

DeepSeek | context de 163.840 tokeni | $0.50/M input, $2.15/M output. Actualizare din 28 mai pentru [DeepSeek R1 original](/deepseek/deepseek-r1). Performanță comparabilă cu [OpenAI o1](/openai/o1), dar open-source și cu tokeni de raționament complet deschiși. Are 671 miliarde de parametri, cu 37 miliarde activi...

Ghiduri pentru acest model

Ollama vs LM Studio (2026): ce aplicație AI locală să folosești și ce modele de top rulează fiecare

Cel mai bun LLM local după caz de utilizare (octombrie 2026): modelul open potrivit pentru fiecare job

De câțiva GB de VRAM am nevoie cu adevărat pentru AI local?

Ce este un fișier GGUF? Modele cuantificate explicate (Q4, Q8, fp8, NF4)

Toate ghidurile

Notele căpitanului

Scris de Captain, editorul casei

Note din 2026-10-13

DeepSeek R1 0528 este o actualizare din mai 2025 a modelului emblematic de raționament DeepSeek, construit de DeepSeek. Cu 671 miliarde de parametri și 37 miliarde activi, pune un accent vizibil mai mare pe matematică, codare competitivă și logică decât R1 original, DeepSeek raportând câștiguri la toate benchmark-urile. Greutățile deschise și urmele de raționament complet vizibile îl fac o opțiune serioasă dacă vrei un model de raționament de ultimă generație pe care să îl poți inspecta și rula singur.

Cunoscut pentru

Performanță puternică la matematică, inclusiv câștiguri mari la AIME 2025 față de R1 original.
Rezultate competitive la codare, cu îmbunătățiri majore pe LiveCodeBench și Aider-Polyglot.
Tokeni de raționament complet deschiși — vezi lanțul de gândire, nu doar răspunsul.
Rată redusă de halucinații și apelare de funcții îmbunătățită față de versiunea anterioară.
Greutăți deschise disponibile pe Hugging Face pentru implementare locală.

Atenție la

671 miliarde parametri total înseamnă că rularea locală necesită hardware serios; majoritatea utilizatorilor vor folosi API-ul.
Contextul este de 163.840 tokeni — lung, dar sub pragul de 200K pentru eticheta de 'context lung'.
Scorul SimpleQA a scăzut ușor față de R1 original, deci rechemarea factuală nu este un câștig clar.

Cel mai bun pentru

Agenți și utilizare unelte

Sugestii de încercat

Problemă matematică competitivă

Găsește toate numerele întregi pozitive n astfel încât n^2 + 1 să împartă n^3 + 7. Arată fiecare pas al raționamentului, inclusiv cum elimini cazurile, și prezintă setul complet de soluții cu demonstrație.

Depanare funcție dificilă

Iată o funcție Python care ar trebui să returneze cel mai lung substring fără caractere repetate, dar uneori returnează lungimea greșită pentru șiruri cu caractere Unicode. Parcurge ce este greșit, explică de ce și oferă o versiune corectată cu un test scurt. 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

Planificare agent multi-pas

Proiectează un agent autonom minimal care monitorizează un director pentru fișiere CSV noi, validează că fiecare fișier are coloanele necesare (date, sumă, categorie), mută fișierele invalide într-un folder de carantină și adaugă rândurile valide într-o bază de date SQLite. Listează uneltele necesare agentului, logica decizională la fiecare pas și orice moduri de eșec demne de gestionat.

Compară cu

DeepSeek V4.1 Flash
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.04/M intrare, $0.68/M ieșire
DeepSeek V4 Flash 0731
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.01/M intrare, $1.28/M ieșire
DeepSeek V4 Flash 0423
Model cu greutăți deschise
context de 1,048,576 tokeni · $0.09/M intrare, $0.18/M ieșire
DeepSeek V4 Pro 0813
Model cu greutăți deschise
context de 1,048,576 tokeni · $1.32/M intrare, $3.96/M ieșire

Mai multe modele text de la deepseek

Întrebări frecvente

Sunt greutățile deschise și pot rula R1 0528 local?: Da, greutățile sunt deschise și disponibile pe Hugging Face sub deepseek-ai/DeepSeek-R1-0528. Având 671 miliarde parametri total, vei avea nevoie de hardware substanțial pentru a rula modelul complet local; o versiune cuantificată sau o variantă distilată mai mică este mai practică pentru majoritatea configurațiilor.
Care este costul R1 0528 și cât de lungă este fereastra de context?: Prin API costă 0,50 USD per milion de tokeni de intrare și 2,15 USD per milion de tokeni de ieșire, cu o fereastră de context de 163.840 tokeni.
Cum diferă R1 0528 de DeepSeek R1 original?: Este o actualizare post-antrenament axată pe raționament mai profund: DeepSeek raportează că modelul folosește acum aproximativ de două ori mai mulți tokeni per pas de raționament, cu câștiguri semnificative la benchmark-uri de matematică și codare și o rată mai mică de halucinații, plus suport adăugat pentru apelarea funcțiilor, care nu a fost evaluat în versiunea originală.

Verdictul căpitanului
Dacă vrei un model de raționament de ultimă generație cu greutăți deschise și gândire vizibilă, R1 0528 este cea mai capabilă versiune a celui mai bun model DeepSeek de până acum.

Fișa modelului pe Hugging Face

Căpitanul scrie aceste note pe baza descrierii modelului și a fișei modelului. Prețurile și dimensiunile contextului sunt cele ale furnizorului la momentul scrierii și pot varia.

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

Cum se adună acest scor

Acest model nu are încă date de popularitate de la nicio sursă, așa că are un număr provizoriu sub 7,000° care menține listele complete. Nu va fi niciodată clasat mai sus decât un model cu date. Descompunerea apare aici imediat ce o sursă o raportează.

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Modele similare

Modele AI pentru generare de imagini, video și text

R1 0528 este un model de text pentru familia Text / LLM, listat pe ModelTrends.ai, un catalog doar pentru citire al modelelor AI open source pentru imagini, video și text. Compară-l cu alte modele Text / LLM și verifică-i scorul de căldură pentru a vedea cât este de popular.

Mai multe modele Text / LLM llm deepseek raționament matematică programare local agenți

Răsfoiește după familia de modele