Trọng số có mở và tôi có thể chạy R1 0528 tại chỗ không?

Có, trọng số mở và có trên Hugging Face dưới deepseek-ai/DeepSeek-R1-0528. Với 671 tỷ tham số tổng, bạn cần phần cứng mạnh để chạy toàn bộ mô hình tại chỗ; phiên bản lượng tử hóa hoặc biến thể nhỏ hơn phù hợp hơn với đa số cấu hình.

Chi phí R1 0528 và cửa sổ ngữ cảnh là bao nhiêu?

Qua API giá 0,50 đô la mỗi triệu token đầu vào và 2,15 đô la mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 163.840 token.

R1 0528 khác R1 gốc thế nào?

Đây là bản cập nhật sau huấn luyện tập trung vào suy luận sâu hơn: DeepSeek báo cáo mô hình dùng khoảng gấp đôi token cho mỗi bước suy luận, với cải tiến rõ rệt trên benchmark toán và mã hóa, giảm tỷ lệ ảo tưởng, và bổ sung hỗ trợ gọi hàm chưa có trong bản gốc.

R1 0528

4585°

#llm #deepseek #lý luận #toán học #lập trình #cục bộ

Chạy mô hình này

Ưu đãi / Quảng cáo

OpenRouter Terminal / API

Trả theo token

Trò chuyện với mô hình này trên trình duyệt hoặc gọi nó từ mã của bạn với một khóa API.

DeepSeek | ngữ cảnh 163,840 token | $0.50/M đầu vào, $2.15/M đầu ra. Cập nhật ngày 28 tháng 5 cho [DeepSeek R1 gốc](/deepseek/deepseek-r1). Hiệu suất tương đương với [OpenAI o1](/openai/o1), nhưng mã nguồn mở và với token suy luận hoàn toàn mở. Kích thước 671 tỷ tham số, với 37 tỷ tham số kích hoạt...

Hướng dẫn cho mô hình này

Ollama vs LM Studio (2026): nên dùng ứng dụng AI cục bộ nào, và mỗi ứng dụng chạy những mô hình hàng đầu nào

LLM cục bộ tốt nhất theo từng trường hợp sử dụng (Tháng 10 năm 2026): mô hình mở phù hợp cho mọi công việc

Mình thực sự cần bao nhiêu VRAM cho AI cục bộ?

Tệp GGUF là gì? Giải thích về các mô hình lượng tử hóa (Q4, Q8, fp8, NF4)

Tất cả hướng dẫn

Ghi chú của thuyền trưởng

Viết bởi Captain, biên tập viên chính

Ghi chú từ 2026-10-13

DeepSeek R1 0528 là bản cập nhật tháng 5 năm 2025 cho mô hình suy luận chủ lực DeepSeek. Với 671 tỷ tham số và 37 tỷ tham số kích hoạt, nó tập trung mạnh hơn vào toán học, mã hóa cạnh tranh và logic so với R1 gốc, với DeepSeek báo cáo cải tiến benchmark trên toàn diện. Trọng số mở và chuỗi suy nghĩ hiển thị đầy đủ làm cho nó là lựa chọn nghiêm túc nếu bạn muốn mô hình suy luận hàng đầu có thể tự kiểm tra và chạy tại chỗ.

Nổi tiếng với

Hiệu suất toán học mạnh, bao gồm tăng độ chính xác lớn trên AIME 2025 so với R1 gốc.
Kết quả mã hóa cạnh tranh, cải thiện đáng kể trên LiveCodeBench và Aider-Polyglot.
Token suy luận mở hoàn toàn — bạn thấy chuỗi suy nghĩ, không chỉ câu trả lời.
Giảm tỷ lệ ảo tưởng và cải thiện gọi hàm so với phiên bản trước.
Trọng số mở có trên Hugging Face để triển khai tự lưu trữ.

Cẩn thận với

671 tỷ tham số tổng nghĩa là chạy tại chỗ đòi hỏi phần cứng mạnh; hầu hết người dùng sẽ dùng API.
Ngữ cảnh 163.840 token — dài nhưng chưa đạt ngưỡng 200K để gọi là 'ngữ cảnh dài'.
Điểm SimpleQA giảm nhẹ so với R1 gốc, nên khả năng nhớ thực tế không hoàn toàn vượt trội.

Phù hợp nhất cho

Tác nhân và sử dụng công cụ

Lời nhắc để thử

Bài toán toán học cạnh tranh

Tìm tất cả số nguyên dương n sao cho n^2 + 1 chia hết cho n^3 + 7. Trình bày từng bước suy luận, bao gồm cách loại trừ trường hợp, và nêu tập nghiệm đầy đủ kèm chứng minh.

Gỡ lỗi hàm phức tạp

Đây là hàm Python dự kiến trả về chuỗi con dài nhất không có ký tự lặp, nhưng đôi khi trả sai độ dài với chuỗi có ký tự Unicode. Phân tích lỗi, giải thích lý do và đưa phiên bản sửa kèm bài test ngắn. 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

Lập kế hoạch tác nhân đa bước

Thiết kế tác nhân tự chủ tối giản giám sát thư mục cho file CSV mới, kiểm tra mỗi file có các cột bắt buộc (date, amount, category), di chuyển file không hợp lệ vào thư mục cách ly, và thêm các dòng hợp lệ vào cơ sở dữ liệu SQLite. Liệt kê công cụ cần thiết, logic quyết định từng bước, và các lỗi cần xử lý.

So sánh với

DeepSeek V4.1 Flash
Mô hình mở trọng số
ngữ cảnh 1,048,576 token · Đầu vào $0.04/M, đầu ra $0.68/M
DeepSeek V4 Flash 0731
Mô hình mở trọng số
ngữ cảnh 1,048,576 token · Đầu vào $0.01/M, đầu ra $1.28/M
DeepSeek V4 Flash 0423
Mô hình mở trọng số
ngữ cảnh 1,048,576 token · Đầu vào $0.09/M, đầu ra $0.18/M
DeepSeek V4 Pro 0813
Mô hình mở trọng số
ngữ cảnh 1,048,576 token · Đầu vào $1.32/M, đầu ra $3.96/M

Thêm mô hình văn bản từ deepseek

Câu hỏi thường gặp

Trọng số có mở và tôi có thể chạy R1 0528 tại chỗ không?: Có, trọng số mở và có trên Hugging Face dưới deepseek-ai/DeepSeek-R1-0528. Với 671 tỷ tham số tổng, bạn cần phần cứng mạnh để chạy toàn bộ mô hình tại chỗ; phiên bản lượng tử hóa hoặc biến thể nhỏ hơn phù hợp hơn với đa số cấu hình.
Chi phí R1 0528 và cửa sổ ngữ cảnh là bao nhiêu?: Qua API giá 0,50 đô la mỗi triệu token đầu vào và 2,15 đô la mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 163.840 token.
R1 0528 khác R1 gốc thế nào?: Đây là bản cập nhật sau huấn luyện tập trung vào suy luận sâu hơn: DeepSeek báo cáo mô hình dùng khoảng gấp đôi token cho mỗi bước suy luận, với cải tiến rõ rệt trên benchmark toán và mã hóa, giảm tỷ lệ ảo tưởng, và bổ sung hỗ trợ gọi hàm chưa có trong bản gốc.

Phán quyết của thuyền trưởng
Nếu bạn muốn mô hình suy luận hàng đầu với trọng số mở và suy nghĩ hiển thị, R1 0528 là phiên bản mạnh nhất của DeepSeek hiện nay.

Thẻ mô hình trên Hugging Face

Thuyền trưởng viết những ghi chú này dựa trên mô tả và thẻ mô hình của mô hình. Giá cả và kích thước ngữ cảnh là của nhà cung cấp tại thời điểm viết và có thể thay đổi.

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

Điểm số này được tính như thế nào

Mô hình này chưa có dữ liệu phổ biến từ bất kỳ nguồn nào, nên nó mang một số thay thế dưới 7,000° để giữ cho danh sách đầy đủ. Nó không bao giờ xếp trên một mô hình có dữ liệu. Phân tích chi tiết sẽ xuất hiện ở đây ngay khi có nguồn báo cáo.

Thuật ngữ: các từ dùng ở đây

Điểm nhiệt: Một số duy nhất cho biết mô hình được dùng và mong muốn thế nào hiện tại, từ 0° đến 9.999°. Mọi danh sách trên trang này nói về độ hot đều sắp xếp theo nó và không theo gì khác.
Sàn điểm: 7.000° là điểm bắt đầu cho mọi mô hình có dữ liệu thật. Thang điểm chạy từ 0° đến 9.999°; phần dưới sàn dành cho mô hình thay thế (mô hình không có dữ liệu), để mô hình có dữ liệu luôn xếp trên mô hình không có. Sàn điểm giống nhau cho tất cả và không quyết định gì; điểm trên sàn mới là thước đo.
Tương đương lượt tải: Tất cả những gì điểm số coi là lượt tải, cộng lại: lượt tải thật, mỗi người chia sẻ torrent tính 1.000, mỗi ảnh AI Horde và mỗi lượt chạy trên trang tạo ảnh tính một.
Thang log: Đếm theo chục, không phải theo đơn vị: từ 1.000 lên 10.000 lượt tải thêm cùng số điểm như từ 10.000 lên 100.000. Giúp tránh việc các mô hình lớn lấn át hết mọi thứ khác.
Lượt thích: Giơ ngón tay cái và lượt thích từ mọi nguồn, mỗi lượt bằng một nửa lượt tải trên thang log.
Tỷ lệ áp dụng: Bao nhiêu lượt tải mỗi ngày mà mô hình nhận được hiện tại, tính từ chênh lệch giữa hai lần đọc nguồn. Bằng một phần tư trọng số của lượt tải.
Đã đo và ước tính: Đã đo nghĩa là có hai lần đọc từ một nguồn và sự khác biệt là thật. Ước tính nghĩa là chỉ biết tổng số hôm nay và quá khứ được phân bổ trong suốt thời gian tồn tại của mô hình; trang web sẽ nói rõ đang hiển thị loại nào.
Seeder: Người giữ bản sao trọng số trực tuyến để người khác tải qua torrent, hoặc một bản sao lưu trữ làm điều tương tự. Mỗi người được tính là 1.000 lượt tải.
AI Horde: Một mạng lưới tình nguyện tạo ảnh miễn phí trên máy tính được hiến tặng. Số ảnh nó đã tạo với một mô hình được công khai, và mỗi ảnh được tính là một lượt tải.
Trang tạo ảnh: Các trang lưu trữ bản sao mô hình riêng và cho phép người dùng tạo ảnh, như PixAI, SeaArt và Yodayo. Lượt tải của họ được tính giống như Civitai và mỗi lần tạo ảnh được tính là một lượt tải.
Token OpenRouter: Mô hình văn bản phục vụ qua API, như Claude hoặc GPT, không có trọng số để tải xuống, nên sử dụng token để đo lường: các đoạn văn bản nó đọc và viết qua OpenRouter, một cổng kết nối nhiều ứng dụng sử dụng, trong 30 ngày qua. Mỗi 10,000,000 token tính là một lượt tải. Nguồn: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Mô hình đầy đủ (checkpoint): Chính là trọng số, file tự tạo ảnh. Nó được cộng thêm điểm vì các add-on phụ thuộc vào nó.
LoRA và embedding: Các file add-on nhỏ giúp điều chỉnh trọng số của người khác theo phong cách, nhân vật hoặc ý tưởng. Chúng không thể chạy riêng.
Gia đình và trọng số: Nền tảng mà mô hình xây dựng trên đó, như SD 1.5, SDXL, Flux hoặc Wan. Mỗi mô hình kế thừa ngày phát hành của trọng số gia đình nó.
Tuổi: Điểm trừ dựa trên thời gian trọng số gia đình được phát hành: 150° mỗi năm, tối đa 750°. Nó giữ lại lượt tải cũ đã tích tụ nhiều năm bằng cách đóng băng đầu danh sách.
Tăng gia đình: Một đẩy nhỏ có giới hạn cho LoRA của một gia đình mà trang này đang ưu tiên, luôn được liệt kê trong phần phân tích.
Điểm thay thế: Một số ổn định dưới mức tối thiểu dành cho mô hình chưa có báo cáo nguồn, để danh sách luôn đầy đủ. Nó không bao giờ xếp trên mô hình có dữ liệu.
Mới! (giai đoạn thử nghiệm): Mô hình dưới 7 ngày tuổi hiển thị Mới! thay vì điểm số và không được xếp hạng. Điểm số được tính từ ngày đầu tiên, nhưng mô hình mới một ngày tăng trưởng nhanh nhất, nên nếu không chờ đợi thì #1 tuần này sẽ luôn là mô hình mới ra hôm qua thay vì mô hình giữ vững trong tuần.
Xu hướng: Tốc độ tăng trưởng của mô hình trong một khoảng thời gian so với tốc độ tăng trưởng trung bình của mô hình khác trong cùng khoảng thời gian. Nhanh hơn trung bình là tăng, chậm hơn là giảm.
Mô hình điển hình: Giữa danh mục: một nửa mô hình có số liệu tăng nhanh hơn trong khoảng thời gian, một nửa tăng chậm hơn.

Mô hình tương tự

Seed 1.8

TEXT / LLM

Llama 3.3 Euryale 70B

Mô hình AI để tạo hình ảnh, video & văn bản

R1 0528 là một mô hình văn bản thuộc họ Text / LLM được liệt kê trên ModelTrends.ai, danh mục chỉ đọc về các mô hình AI hình ảnh, video và văn bản mã nguồn mở. So sánh nó với các mô hình Text / LLM khác và xem điểm độ hot để biết xu hướng.

Thêm mô hình Text / LLM Thêm Văn bản / LLM Text / LLM llm deepseek lý luận toán học lập trình cục bộ tác nhân

Duyệt theo họ mô hình