R1
1660°
<deepseek-r1>
Các ứng dụng hỗ trợ thẻ ModelTrends cho phép bạn chạy/cài đặt mô hình bằng cách sao chép mã này vào lệnh nhắc mà không cần thiết lập. Tìm biểu tượng của chúng tôi trong các ứng dụng hỗ trợ, như Prism (bên dưới).
Chạy mô hình này
Ưu đãi / Quảng cáo
Easy Creator (Prism) Web
Không giới hạn · phí cố định
Tốt nhất cho người mới bắt đầu. Quy trình làm việc mạnh mẽ, dễ học.
PirateDiffusion Telegram
Không giới hạn · phí cố định
Tạo video, hình ảnh, nhân vật chat tùy chỉnh và nhiều hơn nữa.
Pro studio (SpyGlass) Web
Không giới hạn · phí cố định
Duyệt mô hình, render và chỉnh sửa từ bất kỳ trình duyệt hay điện thoại nào.
Discord bot (Vector)
Không giới hạn · phí cố định
Thêm Vector vào máy chủ của bạn hoặc tham gia Discord của Vector. Tạo mọi thứ!
Unified Editor Web
Không giới hạn · phí cố định
Trình chỉnh sửa cho hình ảnh và video: render, chỉnh sửa, nâng cấp và nhiều hơn nữa trên một trang.
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.
Ứng dụng cục bộ
Cần thiết lập
Cài đặt các chương trình local nếu máy tính của bạn có phần cứng đủ mạnh.
ModelDuel Web
Trả theo lượt dùng
Tạo cùng một lệnh trên tối đa 50 mô hình checkpoint/cơ sở cùng lúc.
Hướng dẫn cho mô hình này
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)
DeepSeek | ngữ cảnh 64,000 token | $0.70/M đầu vào, $2.50/M đầu ra. DeepSeek R1 đã có mặt: Hiệu suất tương đương OpenAI o1, nhưng mã nguồn mở và với token suy luận hoàn toàn mở. Nó có kích thước 671 tỷ tham số, với 37 tỷ tham số hoạt động trong một lần suy luận. Mô hình và báo cáo kỹ thuật hoàn toàn mã nguồn mởOpens in new tab. Giấy phép MIT: Tự do chưng cất & thương mại hóa!
Ghi chú của thuyền trưởng
Ghi chú từ 2026-10-13
DeepSeek R1 là mô hình suy luận hỗn hợp chuyên gia 671 tỷ tham số từ DeepSeek, được huấn luyện chủ yếu bằng học tăng cường thay vì tinh chỉnh có giám sát. Nó đạt hiệu năng tương đương OpenAI o1 trong các tác vụ toán học, lập trình và suy luận, đồng thời công khai các token chuỗi suy nghĩ — điều mà o1 không làm. Được cấp phép MIT và có trọng số mở, nó phù hợp cho nhà nghiên cứu, nhà phát triển và bất kỳ ai muốn một bộ suy luận hàng đầu mà họ có thể kiểm tra, chắt lọc hoặc triển khai thương mại.
Nổi tiếng với
- Hiệu năng suy luận tương đương OpenAI o1 trong toán học, lập trình và logic
- Token chuỗi suy nghĩ hoàn toàn hiển thị — quá trình suy luận không bị ẩn
- Giấy phép MIT: chắt lọc, tinh chỉnh và thương mại hóa không giới hạn
- Phát hành sáu mô hình chắt lọc nhỏ hơn, nhỏ nhất 1,5 tỷ tham số
- Huấn luyện RL với suy luận phát sinh hành vi tự xác minh và phản chiếu
Cẩn thận với
- 671 tỷ tham số tổng: chạy cục bộ đòi hỏi phần cứng mạnh; đa số người dùng sẽ dùng API.
- Cửa sổ ngữ cảnh 64.000 token ngắn hơn một số đối thủ cùng phân khúc.
- Phiên bản trước R1-Zero có vấn đề trộn ngôn ngữ và lặp lại; R1 cải thiện nhưng nên xem kỹ khuyến nghị sử dụng trước khi triển khai.
Phù hợp nhất cho
Lời nhắc để thử
Chứng minh phản chứng
Chứng minh căn bậc hai của 2 là số vô tỉ. Trình bày từng bước suy luận, đánh dấu mọi giả định bạn đưa ra, và kiểm tra lại lập luận để phát hiện lỗ hổng trước khi đưa ra kết luận cuối cùng.
Gỡ lỗi hàm khó
Đây là một hàm Python được cho là trả về chuỗi con dài nhất không có ký tự lặp lại, nhưng trả kết quả sai với một số đầu vào. Đi qua logic từng bước, xác định lỗi, giải thích tại sao nó sai, và đưa ra phiên bản sửa với giải thích ngắn gọn.
def longest_unique(s):
seen = {}
start = 0
best = ''
for i, c in enumerate(s):
if c in seen:
start = seen[c]
seen[c] = i
if i - start + 1 > len(best):
best = s[start:i+1]
return best
Kế hoạch dưới ràng buộc
Một nhóm nhỏ ba kỹ sư phải di chuyển cơ sở dữ liệu sản xuất trực tiếp sang sơ đồ mới mà không gián đoạn dịch vụ. Cơ sở dữ liệu có 50 triệu dòng và ứng dụng không thể tắt. Xem xét rủi ro, liệt kê các bước theo thứ tự, và giải thích lý do đằng sau mỗi quyết định trước khi đưa ra kế hoạch di chuyển cuối cùng.
So sánh với
- DeepSeek V4.1 FlashMô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.04/M, đầu ra $0.68/M
- DeepSeek V4 Flash 0731Mô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.01/M, đầu ra $1.28/M
- DeepSeek V4 Flash 0423Mô hình mở trọng sốngữ cảnh 1,048,576 token · Đầu vào $0.09/M, đầu ra $0.18/M
- DeepSeek V4 Pro 0813Mô hình mở trọng sốngữ 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 cục bộ không?
- Có — DeepSeek R1 được cấp phép MIT với trọng số trên Hugging Face, bạn có thể tải về và chạy cục bộ, dù mô hình đầy đủ 671 tỷ tham số đòi hỏi phần cứng mạnh; sáu biến thể chắt lọc (nhỏ nhất 1,5 tỷ) thực tế hơn cho dùng cục bộ.
- Chi phí và cửa sổ ngữ cảnh là bao nhiêu?
- Qua API, giá là 0,70 đô la cho mỗi triệu token đầu vào và 2,50 đô la cho mỗi triệu token đầu ra, với cửa sổ ngữ cảnh 64.000 token.
- R1 khác gì so với các mô hình khác của DeepSeek?
- R1 là mô hình tập trung suy luận của DeepSeek, huấn luyện bằng học tăng cường quy mô lớn để tạo chuỗi suy nghĩ rõ ràng; nó hướng tới toán học, lập trình và suy luận phức tạp thay vì chat đa năng, và công khai các token suy nghĩ thay vì ẩn chúng.
Phán quyết của thuyền trưởngMô hình suy luận trọng số mở quan trọng nhất được phát hành đến nay: hiệu năng hàng đầu, giấy phép MIT, và không giấu giếm quá trình suy nghĩ.
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.
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.
R1 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, xem điểm độ hot để biết xu hướng và mở trên PirateDiffusion hoặc BitVector để dùng thử.
Thêm mô hình Text / LLMThêm Văn bản / LLM Text / LLMllmdeepseeklý luậntoán họclập trìnhnghiên cứucục bộ
Duyệt theo họ mô hình
Mô hình Text / LLM
434
Mô hình Anima
528
Mô hình Chroma
19
Mô hình Fibo
2
Mô hình Flux
1,496
Mô hình Flux 2 / Klein
1,239
Mô hình Flux 3
3
Mô hình Moss
3
Mô hình Iris
1
Mô hình MiniMax H3
364
Mô hình Hunyuan
204
Mô hình Ideogram
20
Mô hình Krea2
717
Mô hình Qwen
20
Mô hình Qwen2
47
Mô hình Ltx2
153