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

DeepSeek · pașaport de model

DeepSeek: R1 0528

deepseek-r1-0528

Ponderi deschise
Licență MIT
684.5B parametri
163,840 context
Lansat 2025-05-28(curatoriat)

General · LMArena: 1,421#118 din 396
Cea mai bună percentilă: 90.6MMLU-Pro (Artificial Analysis)
Poziția în cohortă: 58.5mediană 50.4

Ce spun datele

Evaluat pe 12 din 27 axe urmărite. Fiecare cifră de mai jos este rezultatul publicat al modelului pe acel clasament.

Cele mai puternice axe

90.6 pct — MMLU-Pro (Artificial Analysis) (84.9%)
86.6 pct — LiveCodeBench (Artificial Analysis) (77.0%)

Neuniform: 71,5 puncte de percentilă între cea mai bună și cea mai slabă axă a sa — 90.6 pct pe MMLU-Pro (Artificial Analysis) față de 19.1 pct pe ARC-AGI-2.

MMLU-Pro (Artificial Analysis)90.6 pct84.9%Verifică →
LiveCodeBench (Artificial Analysis)86.6 pct77.0%Verifică →
LiveBench80.4 pct69.4%Verifică →
General70.5 pct1,421Verifică →
Programare69.6 pct1,464Verifică →
Prompturi dificile68.2 pct1,433Verifică →
Urmarea instrucțiunilor63.4 pct1,391Verifică →
GPQA Diamond57 pct76.3%Verifică →
AIME (matematică)47 pct66.4%Verifică →
IFBench (Artificial Analysis)40.1 pct39.6%Verifică →
SimpleBench34.5 pct40.8%Verifică →
ARC-AGI-219.1 pct1.1%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
Halucinații HHEM (Vectara)Neevaluat
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-R1-0528

Parametri684.5B

ArhitecturăDeepseekV3ForCausalLM

LicențăMIT

Transformers

from transformers import AutoModelForCausalLM, AutoTokenizer

model_id = "deepseek-ai/DeepSeek-R1-0528"
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-r1-0528

Lungime context163,840 tokeni

Ieșire maximă32,768 tokeni

Preț intrare$0.50 per 1M tokeni

Preț intrare din cache$0.35 per 1M tokeni

Preț ieșire$2.15 per 1M tokeni

Parametri API acceptați de acest endpoint

Frequency penaltyInclude reasoningLogit biasLogprobsMax tokensMin-pPresence penaltyReasoningRepetition penaltyResponse formatSeedStop sequencesStructured outputsTemperatureTool choiceTool callingTop-kTop logprobsTop-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-r1-0528","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-r1-0528 stands at 58.5 (raw mean 60.6) — measured on 12 of 27 axes.
pozițieșablonVerifică →
deepseek-r1-0528 stands at 58.5 versus a cohort median of 50.4 across 145 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 →