DeepSeek-R1 (May 2025) TPS kalkulátor
Každá karta níže je hodnocena podle tohoto modelu na základě délky kontextu a minimální kvality, kterou si zvolíte. Rychlost je odhad pro jednotlivý požadavek, vypočítaná z paměťové šířky karty a velikosti modelu po kompresi..
Vypočteno pro tento model
818 karty, které máme specifikace pro
Které GPU mohou spustit DeepSeek-R1 (May 2025)?
Nastavte vstupy, přečtěte si odpověď
Delší konverzace potřebuje více paměti, což může tento model vytlačit z menších karet..
Skrývá karty, které by se do modelu vešly pouze jeho stlačením pod tento bod.
0 karty odpovídají
Vypočítávání| Potřebuje | Kvantisace | Pohodlné | |||||
|---|---|---|---|---|---|---|---|
|
Žádná GPU karta v našem katalogu nemůže spustit tento model s těmito nastaveními.. |
|||||||
Rychlosti jsou odhady pro jednoho žadatele — jednu konverzaci najednou — vypočítané z šířky pásma paměti, velikosti modelu a kvantizace. Skutečný průchod se liší s výkonem inference a jeho verzí. Čísla zveřejněná výrobci hardwaru měří mnoho simultánních požadavků a jsou mnohem vyšší..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- DeepSeek
- Typ organizace
- Industry
- Země
- China
- Publikováno
- 28 May 2025
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation, Code generation, Quantitative reasoning, Question answering
- Základní model
- DeepSeek-V3
- Číselný formát
- FP8
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 671B
- Výcviková data
- 14,800,000,000,000 tokens
671B total 37B activated https://github.com/deepseek-ai/DeepSeek-R1/tree/main
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Výpočty pro trénink
- 4 × 10²⁴ FLOP
- Jak bylo ustanoveno
- Operation counting
- Ladění výpočtů
- 6.1 × 10²³ FLOP
Estimates by Ege Erdil in Gradient Updates: https://epoch.ai/gradient-updates/what-went-into-training-deepseek-r1 "A dataset size of 14.8 trillion tokens is reasonable and in line with other models of this scale. Assuming that’s valid, the pretraining of this model would have required 6 * (37 billion) * (14.8 trillion) = 3e24 FLOP. If we assume DeepSeek’s training cluster consists of H800s with the PCIe form factor, then each should be capable of 1.5e15 FP8 per second, and the implied model FLOP…
6.1e23 FLOP from these estimations: https://epoch.ai/gradient-updates/what-went-into-training-deepseek-r1
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Náklady na výpočet
- $6,770,000
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Unreleased
- Hugging Face
- deepseek-ai
MIT licensed https://huggingface.co/deepseek-ai/DeepSeek-R1
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Pravděpodobně nad 10²³ FLOP
- Yes
- Proč je to sledováno
- Training cost,SOTA improvement
- Záznam důvěry
- Confident
Best score on SuperCLUE Math6o in Jan 2025 https://www.superclueai.com/
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Co je potřeba k provozování tohoto modelu
DeepSeek-R1 (May 2025) dosahuje počtu parametrů 671B. To je nad rámec toho, co jakákoliv jednotlivá GPU karta pojme. Spuštění znamená buď rozdělení na několik karet, nebo pronájem hardwaru určeného k této práci, a každá karta schopná to unést samostatně je součástí datacentra. Počet, který může: 0.
Pozadí
DeepSeek-R1 (May 2025) byl zveřejněn DeepSeek, v zemi zaznamenané jako China, během May 2025. Kategorie, do které vydavatel spadá, je industry.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Code generation, Quantitative reasoning, Question answering.
Místo toho, aby byl trénován od nuly, je odvozen z DeepSeek-V3. Většina modelů na této úrovni je přizpůsobena z existující základny namísto toho, aby byla vytvořena od nuly.
Zveřejněné váhy znamenají, že model běží na vašem stroji, nikoli na stroji někoho jiného, což činí otázku ohledně hardwaru níže odpovídatelnou. Na Hugging Face je publikováno pod organizací deepseek-ai.
Trénink a původ
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 4 × 10²⁴ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Bylo to trénováno na korpusu asi 14,800,000,000,000 tokeny textu
Je sledováno v základním datasetu z jednoho konkrétního důvodu: training cost,SOTA improvement.
Krok za krokem
Jak vybrat GPU pro DeepSeek-R1 (May 2025)
Stůl výše již posoudil každou kartu, pro kterou máme specifikace, proti tomuto modelu. Dostání se k vaší odpovědi trvá šest kroků.
-
01
Začněte od sloupce paměti
Každá KARTA zde byla zkontrolována proti DeepSeek-R1 (May 2025). Kapacita je brána — karta buď ji má, nebo ne.
-
02
Rozhodněte, jak dlouho vaše konverzace běží
Delší konverzace spotřebovávají paměť navíc k tomu, co potřebují váhy. Posuňte jezdec na svou skutečnou pracovního délku, než důvěřujete jakémukoliv řádku pro DeepSeek-R1 (May 2025).
-
03
Rozhodněte, jaké množství komprese přijmete
Kompresce je to, co umožňuje modelu pojmout menší KARTY, za určitou cenu v přesnosti.. Nastavení minimální kvality odstraňuje karty, které pouze splňují tuto kvalitu tím, že ji dále stlačují více, než byste chtěli, a udržuje srovnání na jedné úrovni.
-
04
Srovnejte TPS, ne specifikace
Rychlostní řazení je v podstatě řazením podle šířky pásma paměti, pro DeepSeek-R1 (May 2025). Nebude to odpovídat hernímu pořádku, protože generace je omezena šířkou pásma paměti.
-
05
Přečtěte si poslední sloupec fit
Sloupec vhodnosti odděluje karty, které to jen tak tak zvládají, od těch, které mají místo navíc, v případě DeepSeek-R1 (May 2025). Pohodlný znamená, že můžete později zvětšit kontext. Ten rozdíl má větší význam než pár tokenů za sekundu, takže kupte pro pohodlné, pokud to očekáváte.
-
06
Podívejte se, co dalšího ta karta spouští
Každý název karty odkazuje na její vlastní stránku, která provádí stejný výpočet v celém katalogu modelů. Karta se obvykle kupuje pro více než jeden model, takže se vyplatí se podívat před tím, než koupíte. DeepSeek-R1 (May 2025).
Odpovědi
DeepSeek-R1 (May 2025) — běžné otázky
DeepSeek-R1 (May 2025)— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Code generation, Quantitative reasoning, Question answering. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
DeepSeek-R1 (May 2025)— kde si to mohu stáhnout?
Jeho váhy jsou publikovány na Hugging Face, pod organizací deepseek-ai. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.
DeepSeek-R1 (May 2025)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 4 × 10²⁴ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
DeepSeek-R1 (May 2025)— Mohu to spustit, pokud se to nevejde do mé GPU?
Částečně. Vrstvy, které se nevejdou, sedí v systémové paměti a běží jen při zlomku rychlosti, takže většinou odložený model není často použitelný. Nejbližší nepřesnost, kterou vypočítáme, zaostává o 147.5 GB. Každá postava zde předpokládá, že celý model je umístěn na kartě.
DeepSeek-R1 (May 2025)— Běhalo by to rychleji na dvou GPU?
Druhá karta přibližně zdvojnásobí dostupnou paměť, ale ne rychlost generování. Počet, který je již schopen ji spustit sám: 0. Takže druhá karta je tu zřídka odpovědí.
DeepSeek-R1 (May 2025)— proč se kvantizace liší mezi kartami?
Každá KARTA je zobrazena, jak běží nejméně komprimovaná kopie, kterou může udržet. Počet různých úrovní komprese napříč KARTAMI, které ji vejít: 1. Větší karty získávají přesnější verzi a kvalita podlahy nad piny srovnává na jednu úroveň.
DeepSeek-R1 (May 2025)— Jak přesné jsou tyto odhady rychlosti?
Každé číslo je odvozeno od šířky pásma VRAM a velikosti modelu, není benchmarkováno, což je důvod, proč je každé publikováno jako rozsah spíše než jako jediné číslo. Jeden příklad: rozsah pod každou hodnotou Stejný model a karta se liší o třicet až padesát procent v závislosti na softwaru pro inferenci a jeho verzi.
DeepSeek-R1 (May 2025)— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
DeepSeek-R1 (May 2025)— kolik má parametrů?
Má počet parametrů 671B. 671B total 37B activated https://github.com/deepseek-ai/DeepSeek-R1/tree/main. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
DeepSeek-R1 (May 2025)— Kdo to vytvořil?
Bylo to publikováno společností DeepSeek, zakládající se na China, organizace zařazená jako industry.
DeepSeek-R1 (May 2025)— Kdy byl vydán?
Bylo to zveřejněno v May 2025.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.