Mis on DeepSeek-R1?
DeepSeek-R1 on DeepSeeki pakutav avatud kaaludega arutlusmudel, mis avaldati 20. jaanuaril 2025. Avatud kaaludega tähendab, et mudeli parameetreid saab alla laadida ning kehtiva litsentsi tingimustel käitada või kohandada, selle asemel et mudel oleks kättesaadav ainult teenusepakkuja hallatava liidese kaudu.
Avaldatud kontrollpunkt on ekspertide segu ehk MoE-mudel, millel on kokku 671 miljardit parameetrit. Iga järeldusetapi jaoks aktiveeritakse ligikaudu 37 miljardit parameetrit, mistõttu on mudeli kogusuurus ja ühe tunnuse töötlemiseks kasutatav arvutusmaht erinevad näitajad. Praktikas on kogu kontrollpunkti käitamine endiselt äärmiselt ressursimahukas, kuigi igas etapis kasutatakse vaid osa saadaolevatest parameetritest.
DeepSeek rajas R1 mudeli DeepSeek-V3-Base'i peale ning treenis seda protsessiga, mis ühendas juhendatud andmed, tugevdusõppe ja eelistuste järgi joondamise etapid. Treeningmeetodi eesmärk oli luua keerukate probleemide jaoks pikemaid ja põhjalikumaid arutluskäike.
Arutlemise eesmärk ja treeningmeetod
DeepSeek-R1 on mõeldud ülesannete jaoks, mille puhul on kasu mitmeastmelisest probleemilahendusest. See suudab enne lõpliku vastuse esitamist läbi töötada matemaatilisi tuletusi, programmeerimisülesandeid, loogikaküsimusi ja tehnilist analüüsi. Selline lähenemine võib muuta järelduseni jõudmise tee paremini jälgitavaks kui tavapärase keelemudeli lühike vastus, kuigi nähtav arutluskäik ei taga, et iga vahe-etapp on korrektne.
DeepSeek avaldas R1 pärast varasemat katset DeepSeek-R1-Zero, mis tugines veelgi rohkem tugevdusõppele. DeepSeeki avaldamismaterjalide kohaselt lisati R1-le külmkäivituse andmed ja täiendav joondamistöö, et lahendada R1-Zero puhul täheldatud probleeme, sealhulgas kordusi, loetavusprobleeme ja keelte segunemist. Tulemuseks oli üldiseks arutlemiseks paremini kasutatav mudel.
Arutlemisel on praktiline hind. Pikemad sisemised või nähtavad lahenduskäigud võivad suurendada latentsust ja kasutatavate tunnuste hulka. Seetõttu võib lihtsa klassifitseerimise, lühikese ümberkirjutamise või tavapärase vestlusvastuse puhul olla sobivam väiksem või kiirem mitte-arutlev mudel, samas kui keerukas tõestus, silumisülesanne või algoritmiline küsimus võib õigustada täiendavat arvutusmahtu.
Kontrollitud tehnilised andmed
| Spetsifikatsioon | DeepSeek-R1 |
|---|---|
| Teenusepakkuja | DeepSeek |
| Avaldamiskuupäev | 20. jaanuar 2025 |
| Arhitektuur | Ekspertide segu |
| Parameetreid kokku | 671 miljardit |
| Aktiveeritud parameetrid | Ligikaudu 37 miljardit järeldusetapi kohta |
| Konteksti pikkus | 128 000 tunnust avaldatud kontrollpunktis |
| Maksimaalne genereerimispikkus | 32 768 tunnust avaldatud mudeli hindamiskonfiguratsioonis |
| Sisend | Tekst |
| Väljund | Tekst |
| Litsents | MIT |
| Teadmiste lõppkuupäev | Täpse algse kontrollpunkti kohta ametlikult avaldamata |
128 000 tunnuse suurune kontekstiaken näitab, kui palju teksti suudab avaldatud kontrollpunkt päringus töödelda, võttes arvesse teenindustarkvara ja saadaoleva riistvara piiranguid. 32 768 tunnuse näitaja on mudeli hindamiskonfiguratsioonis dokumenteeritud maksimaalne genereerimispikkus; konkreetne juurutus võib kehtestada väiksema piirangu.
Matemaatika, programmeerimine ja keerukad ülesanded
DeepSeek-R1 peamine eesmärk on põhjalik probleemilahendus. See sobib matemaatiliste harjutuste, sümboolse või loogilise analüüsi, algoritmide väljatöötamise, koodi genereerimise, silumise ja tehnilise uurimistöö jaoks. Samuti aitab see uurida pikka spetsifikatsiooni või arutleda suure tekstikogumi põhjal, kui juurutus säilitab piisava osa kontekstiaknast.
Programmeerimisel on mudel kõige kasulikum siis, kui ülesanne nõuab lisaks koodile ka selgitust: algoritmi kavandamist, vea tõenäolise põhjuse leidmist, rakendusstrateegiate võrdlemist või nõuete tõlkimist struktureeritud lahenduseks. Koodi tuleks siiski testida kompilaatori, testikomplekti või inimese ülevaatuse abil. DeepSeek-R1 on keelemudel, mitte iseseisvalt kontrollitud tarkvara käivituskeskkond.
Olemasolevad uuringud toetavad teksti mõistmist ja teksti genereerimist, mitte piltide, heli või video loomulikku töötlemist. Seetõttu ei saa algne kontrollpunkt otse ekraanipilti uurida, salvestist kuulata ega videot analüüsida, välja arvatud juhul, kui mõni teine süsteem teisendab selle materjali esmalt tekstiks.
Kättesaadavus ja praegune API-olukord
DeepSeek-R1 kaalud on saadaval DeepSeeki ametlikus repositooriumis ja Hugging Face'i mudelilehel. MIT-litsents lubab ärilist kasutust, muutmist ja tuletatud teoste loomist, arvestades selle litsentsi tingimusi ning konkreetse juurutusega seotud kohustusi.
Algne hostitud API-identiteet oli deepseek-reasoner. Seejärel uuendas DeepSeek selle identiteedi uuematele R1 ja V3.1 versioonidele. Selle API muudatuste logis teatatakse ka pärandidentiteedi kasutamise lõpetamisest osana üleminekust V4 mudeliperekonnale; kasutusest kõrvaldamise kuupäevaks on märgitud 24. aprill 2026 ja sulgemiskuupäevaks 24. juuli 2026. Need kuupäevad kirjeldavad hostitud API elutsüklit, mitte allalaaditava avatud kaaludega kontrollpunkti kadumist.
Seetõttu ei tohiks täpset 2025. aasta jaanuaris avaldatud algset mudelit käsitleda DeepSeeki hostitud kataloogis praegu loetletud vaikemudelina. Arendajad, kes vajavad just seda kontrollpunkti, peaksid hindama isemajutust, ühilduvat järeldusraamistikku või kolmanda osapoole teenust, mis tuvastab sõnaselgelt algsed DeepSeek-R1 kaalud. Teenusepakkuja uuem R1 versioon võib olla mugavam, kuid see ei ole automaatselt sama mudel.
Hinnakujundus ja kulude kompromissid
DeepSeeki praeguses hinnakataloogis ei ole täpse algse kontrollpunkti kohta kontrollitud, praegu kehtivat esimese osapoole hostitud hinda. Algse deepseek-reasoner API-identiteedi ajalooliseks hinnaks teatati 0,14 dollarit miljoni vahemällu salvestatud sisendtunnuse kohta, 0,55 dollarit miljoni vahemällu salvestamata sisendtunnuse kohta ja 2,19 dollarit miljoni väljundtunnuse kohta. Need arvud on ajaloolised ja neid ei tohiks kasutada algse kontrollpunkti praeguse hinnana.
Isehostimise korral moodustavad peamise kulu taristu, mitte tunnusepõhine tellimus. 671 miljardi parameetriga kontrollpunkt tervikuna nõuab palju mälu, arvutusvõimsust, juurutuse arendustööd ja pidevat käitamist. Väiksemad destilleeritud R1 variandid võivad muuta arutlusmeetodi kättesaadavamaks, kuid need on eraldi mudeli kontrollpunktid ja neid ei tohiks esitada täismahus DeepSeek-R1 mudelina.
Iga päringu puhul tuleb arvestada ka kasutuskompromissiga. Pikad arutlusväljundid kasutavad rohkem tunnuseid ja võivad võtta rohkem aega kui lühikesed vastused. Seetõttu võib DeepSeek-R1 pakkuda keerukate ülesannete puhul ühe tunnuse kohta atraktiivset võimekust, kuid sobida halvasti suure mahuga ja latentsustundlikele töökoormustele, mille puhul piisaks väiksemast mudelist.
Tööriistad, modaalsused ja väljundi juhtimine
Algse DeepSeek-R1 kirje kohaselt on nii sisend- kui ka väljundmodaalsuseks tekst. See ei toeta loomupäraselt piltide, heli ega video sisendit ega genereeri pilte, heli, videot või kõnet. Samuti ei ole kontrollitud sisseehitatud veebiotsingu ega ajakohase teabe juurdepääsu olemasolu. Rakendused, mis vajavad värsket teavet, peavad pakkuma otsingut või muud välist andmeallikat.
Selle algse kontrollpunkti puhul ei ole tööriista- ega funktsioonikutseid toetatud võimekusena märgitud. Samuti ei ole natiivse funktsioonina loetletud struktureeritud väljundit. Arendajad võivad luua ümbriseid, mis paluvad kindlat vormingut, kuid juhised viibas ei ole samaväärsed teenusepakkuja tagatud JSON- või skeemirežiimiga.
Mudeli kirje märgib voogedastuse ajaloolise API-konteksti puhul toetatuks. Isehostitud kasutuse korral sõltub tegelik voogedastuse käitumine valitud järeldusserverist ja teenindusraamistikust. Sama eristus kehtib partiitöötluse, vahemällu salvestamise, kvantimise ja riistvarakiirenduse kohta: need on juurutuse omadused, mitte mudeli kaalude universaalsed omadused.
Peamised tugevused ja piirangud
Tugevused
- Hästi sobiv ulatuslikuks matemaatiliseks, loogiliseks, programmeerimis- ja tehniliseks arutlemiseks.
- Avatud kaalud võimaldavad MIT-litsentsi alusel uurimistööd, ärilist juurutamist, muutmist ja eksperimenteerimist.
- Avaldatud kontrollpunkti 128 000 tunnuse suurune kontekstiaken toetab pikki tehnilisi viipasid ja dokumente.
- Ligikaudu 37 miljardit aktiivset parameetrit etapi kohta annab võrreldes parameetrite koguarvuga MoE-tõhususe eelise, kuigi täismudeli teenindamine on endiselt ressursimahukas.
- Väiksemad destilleeritud variandid muudavad sarnase R1-laadse arutlemise kättesaadavaks juurutustele, mis ei suuda täismahus kontrollpunkti käitada.
Piirangud
- Täismahus kontrollpunkt on väga suur ega sobi praktiliselt väikeseadmetes kasutamiseks.
- Põhjalik arutlemine võib suurendada vastamisaega, kasutatavate tunnuste hulka ja käituskulu.
- Algne mudel on ainult tekstipõhine ning sellel puudub loomupärane piltide, heli ja video mõistmise võimekus.
- Kontrollitud sisseehitatud veebiotsing puudub, mistõttu vajavad ajakohast teavet eeldavad vastused välist otsingut.
- Algse kontrollpunkti puhul ei ole dokumenteeritud natiivseid tööriistakutseid ega tagatud struktureeritud väljundi režiime.
- Mudeli ametlikku teadmiste lõppkuupäeva ei ole avaldatud.
- Algset kontrollpunkti on lihtne segi ajada hilisemate hostitud R1 versioonide ja uuemate DeepSeeki mudeliperekondadega.
Millal valida DeepSeek-R1?
Vali DeepSeek-R1 siis, kui soovid konkreetselt avatud kaaludega arutlusmudelit matemaatika, programmeerimise, tehnilise uurimise või teadustöö jaoks ning sul on taristu väga suure kontrollpunkti teenindamiseks. See on mõistlik valik ka meeskondadele, kes hindavad MIT-litsentsi ning võimalust mudelit uurida, muuta või iseseisvalt juurutada, selle asemel et sõltuda täielikult suletud hostitud teenusest.
Kaalu väiksemat destilleeritud arutlusmudelit, kui vajad sama üldist probleemilahendusstiili väiksemate riistvaranõuete ja väiksema latentsusega. Vali uuem hostitud mudel siis, kui hallatud API-juurdepääs, praegune hinnakujundus, sisseehitatud käitamisfunktsioonid või toetatud elutsükkel on täpsest algsest kontrollpunktist olulisemad. Piltide, heli või video jaoks sobib paremini multimodaalne mudel, samas kui ajakohast veebiteavet nõudvate vastuste puhul on eelistatav otsinguga ühendatud süsteem.
Seega tuleks DeepSeek-R1 mõista pigem mahuka avatud arutlusmudeli kontrollpunkti kui universaalse assistendina. Selle peamine eelis on keerukate ülesannete lahendamise võime, allalaaditavad kaalud ja paindlik litsents. Peamine kulu seisneb taristus ja latentsuses, mida on vaja selle võimekuse praktiliseks kasutamiseks.