Română · beta. Traducerea a fost făcută automat și este încă în curs de revizuire. Citește pagina în engleză

DeepSeek · pașaport de model

DeepSeek: R1

deepseek-r1

Ponderi deschise
Licență MIT
684.5B parametri
64,000 context
Lansat 2025-01-20(curatoriat)

General · LMArena: 1,398#152 din 396
Cea mai bună percentilă: 89.1MMLU-Pro (Artificial Analysis)
Poziția în cohortă: 53.1mediană 42.5

Ce spun datele

Evaluat pe 13 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

89.1 pct — MMLU-Pro (Artificial Analysis) (84.4%)
86.3 pct — LiveBench (71.6%)

Neuniform: 65,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 89.1 pct pe MMLU-Pro (Artificial Analysis) față de 23.6 pct pe ARC-AGI-2.

MMLU-Pro (Artificial Analysis)89.1 pct84.4%Verifică →
LiveBench86.3 pct71.6%Verifică →
Urmarea instrucțiunilor65.4 pct1,397Verifică →
LiveCodeBench (Artificial Analysis)65.3 pct61.7%Verifică →
Prompturi dificile62.4 pct1,419Verifică →
General61.9 pct1,398Verifică →
Programare61.9 pct1,444Verifică →
GPQA Diamond50.7 pct69.2%Verifică →
AIME (matematică)39.5 pct53.3%Verifică →
IFBench (Artificial Analysis)37.7 pct39.0%Verifică →
Halucinații HHEM (Vectara)31.4 pct88.7%Verifică →
SimpleBench24.1 pct30.9%Verifică →
ARC-AGI-223.6 pct1.3%Verifică →
WebDev ArenaNeevaluat
Vision ArenaNeevaluat
Factuality ArenaNeevaluat
Search ArenaNeevaluat
Document ArenaNeevaluat
Agent ArenaNeevaluat
FrontierMathNeevaluat
SimpleQA VerifiedNeevaluat
Humanity's Last ExamNeevaluat
BFCL v4 (apelare de funcții)Neevaluat
SWE-bench Verified (clasament live)Neevaluat
Terminal-Bench 4.0Neevaluat
SWE-bench VerifiedNeevaluat
Terminal-BenchNeevaluat

Percentilele reprezintă poziția modelului în populația proprie a fiecărui clasament. Axele marcate „neevaluat” nu au niciun rezultat publicat pentru acest model — este o absență a datelor, nu un scor mic.

Cum îl rulezi

Rulează-l singur

Repositorydeepseek-ai/DeepSeek-R1

Parametri684.5B

ArhitecturăDeepseekV3ForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "deepseek-ai/DeepSeek-R1"
tokenizer = AutoTokenizer.from_pretrained(model_id)
model = AutoModelForCausalLM.from_pretrained(model_id)

Ollama

Nu sincronizăm tag-urile Ollama, așa că nu afișăm o comandă pe care nu o putem verifica — una greșită ar descărca modelul greșit. Caută în biblioteca Ollama →

Rețetele de fine-tuning Unsloth sunt specifice fiecărui model și nu le derivăm aici. Documentația Unsloth →

Folosește-l găzduit

ID de model APIdeepseek/deepseek-r1

Lungime context64,000 tokeni

Ieșire maximă16,000 tokeni

Preț intrare$0.70 per 1M tokeni

Preț ieșire$2.50 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningMax tokensPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesTemperatureTool choiceTool callingTop-kTop-p

Exemplu de cerere

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek/deepseek-r1","messages":[{"role":"user","content":"Hello"}]}'

Vezi pe OpenRouter →

Identificatorii, limitele și prețurile sunt sincronizate din sursa upstream afișată mai sus. Orice câmp nesincronizat este omis complet, nu ghicit.

deepseek-r1 stands at 53.1 (raw mean 53.8) — measured on 13 of 27 axes.
pozițieșablonVerifică →
deepseek-r1 stands at 53.1 versus a cohort median of 42.5 across 141 models released within 180 days — above the peer median.
cohortășablonVerifică →

Fiecare afirmație este un fapt calculat din datele actuale ale clasamentului, formulat de un apel de model la temperatură scăzută și respins de o poartă de validare dacă vreun număr nu se află în rândul sursă. Cum funcționează clasamentele →