DeepSeek-R1 (May 2025) calcolatore TPS
Ogni scheda sottostante è valutata rispetto a questo modello alla lunghezza di contesto e alla qualità minima che scegli. La velocità è una stima per una singola richiesta, calcolata dalla larghezza di banda della memoria della scheda e dalla dimensione del modello una volta compresso..
Calcolato per questo modello
818 schede per cui abbiamo specifiche
Quali GPU possono eseguire DeepSeek-R1 (May 2025)?
Imposta gli input, leggi la risposta
Una conversazione più lunga richiede più MEMORY, il che può spingere questo modello fuori da schede più piccole..
Nasconde le schede che si adatterebbero solo al modello comprimendolo al di sotto di questo punto..
0 schede corrispondono
Calcolo| Ha bisogno | Quantizzazione | Adatto | |||||
|---|---|---|---|---|---|---|---|
|
Nessuna scheda nel nostro catalogo può eseguire questo modello con queste impostazioni.. |
|||||||
Le velocità sono stime per una singola richiesta — una conversazione alla volta — calcolate dalla larghezza di banda della memoria, dalla dimensione del modello e dalla quantizzazione. Il throughput reale varia con il runtime di inferenza e la sua versione. I valori pubblicati dai fornitori di hardware misurano molte richieste simultanee e sono molto più elevati..
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- DeepSeek
- Tipo di organizzazione
- Industry
- Paese
- China
- Pubblicato
- 28 May 2025
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling/generation, Code generation, Quantitative reasoning, Question answering
- Modello di base
- DeepSeek-V3
- Formato numerico
- FP8
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 671B
- Dati di addestramento
- 14,800,000,000,000 tokens
671B total 37B activated https://github.com/deepseek-ai/DeepSeek-R1/tree/main
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Calcolo di addestramento
- 4 × 10²⁴ FLOP
- Come è stato stabilito
- Operation counting
- Addestramento fine
- 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
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Costo di calcolo
- $6,770,000
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Open — downloadable
- Accesso al modello
- Open weights (unrestricted)
- Codice di addestramento
- Unreleased
- Hugging Face
- deepseek-ai
MIT licensed https://huggingface.co/deepseek-ai/DeepSeek-R1
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Probabilmente sopra 10²³ FLOP
- Yes
- Perché è monitorato
- Training cost,SOTA improvement
- Record fiducia
- Confident
Best score on SuperCLUE Math6o in Jan 2025 https://www.superclueai.com/
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Cosa serve per eseguire questo modello
DeepSeek-R1 (May 2025) raggiunge un conteggio di parametri di 671B. Questo è oltre ciò che qualsiasi singola scheda grafica può contenere. Eseguire questo significa o suddividerlo tra più schede o noleggiare hardware progettato per il lavoro, e ogni scheda in grado di contenerlo da sola è un componente da datacenter. Il numero che può: 0.
Sfondo
DeepSeek-R1 (May 2025) è stato pubblicato da DeepSeek, nel paese registrato come China, durante May 2025. La categoria sotto cui rientra l'editore è industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Code generation, Quantitative reasoning, Question answering.
Invece di essere addestrato da zero, è derivato da DeepSeek-V3. La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
I pesi pubblicati significano che il modello gira sulla tua macchina piuttosto che su quella di qualcun altro, il che rende la domanda sull'hardware qui sotto rispondibile. Su Hugging Face è pubblicato sotto l'organizzazione deepseek-ai.
Addestramento e provenienza
La produzione di esso ha richiesto un'aritmetica totale di circa 4 × 10²⁴ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
È stato addestrato su un corpus di circa 14,800,000,000,000 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: training cost,SOTA improvement.
Passo dopo passo
Come scegliere una GPU per DeepSeek-R1 (May 2025)
La tabella sopra ha già valutato ogni card di cui possediamo le specifiche rispetto a questo modello. Arrivare alla tua risposta richiede sei passaggi..
-
01
Inizia dalla colonna VRAM
Ogni card qui è stata controllata contro DeepSeek-R1 (May 2025). La Capacità è il cancello — una card o la tiene o non la tiene.
-
02
Decidi quanto a lungo durano le tue conversazioni
Conversazioni più lunghe richiedono memoria oltre a ciò che i pesi necessitano. Muovi il cursore sulla tua reale lunghezza di lavoro prima di fidarti di qualsiasi riga per DeepSeek-R1 (May 2025).
-
03
Decidi quanto spazio di compressione accetterai
La Compression è ciò che rende un modello adatto a schede più piccole, a fronte di un certo costo in accuratezza.. Impostare una qualità minima elimina le schede che riescono a gestirla solo spremendo oltre quanto desiderato e mantiene il confronto a un livello.
-
04
Confronta TOKEN AL SEC, non specifiche.
La velocità dell'ordinamento è effettivamente un ordinamento per larghezza di banda di memoria, per DeepSeek-R1 (May 2025). Non si adatterà a un'ordinazione da gaming, perché la generazione è vincolata dalla larghezza di banda della memoria.
-
05
Leggi l'ultima colonna di fit
La colonna della compatibilità separa le schede che riescono appena a farlo da quelle con spazio in più, nel caso di DeepSeek-R1 (May 2025). Comfortable significa che puoi espandere il contesto in seguito. Quella differenza conta più di pochi token al secondo, quindi acquista per comfortable se ti aspetti di farlo.
-
06
Vedi cos'altro che questa card esegue
Ogni nome di scheda è collegato alla propria pagina, che esegue lo stesso calcolo su tutto il catalogo dei modelli. Una scheda è solitamente acquistata per più di un modello, quindi vale la pena dare un'occhiata prima di acquistare. DeepSeek-R1 (May 2025).
Risposte
DeepSeek-R1 (May 2025) — domande comuni
DeepSeek-R1 (May 2025)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Code generation, Quantitative reasoning, Question answering. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
DeepSeek-R1 (May 2025)— Dove posso scaricarlo?
I suoi pesi sono pubblicati su Hugging Face, sotto l'organizzazione deepseek-ai. Non ospitiamo file di modelli — questo sito calcola quale hardware è necessario per eseguirli.
DeepSeek-R1 (May 2025)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 4 × 10²⁴ FLOP. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
DeepSeek-R1 (May 2025)— posso eseguirlo se non si adatta nella mia GPU?
Parzialmente. I layer che non si adattano si trovano nella memoria di sistema e funzionano a una frazione della velocità, quindi un modello in gran parte scaricato è raramente conveniente da usare. La più vicina mancata che calcoliamo risulta insufficiente di 147.5 GB Ogni figura qui presume che l'intero modello sia residente sulla scheda.
DeepSeek-R1 (May 2025)— due GPU lo farebbero andare più veloce?
Una seconda CARD raddoppia grossolanamente la VRAM disponibile ma non il tasso di generazione. Il numero già in grado di eseguirlo da solo: 0. Quindi una seconda CARD è raramente la risposta qui.
DeepSeek-R1 (May 2025)— perché la quantizzazione differisce tra le schede?
Ogni card è mostrata mentre esegue la copia meno compressa che può contenere. Il numero di livelli di compressione distinti tra le card che si adattano: 1. Schede più grandi ottengono la versione più accurata e il livello di qualità sopra fissa il confronto a un livello.
DeepSeek-R1 (May 2025)— quanto sono accurate queste stime di velocità?
Ogni cifra è derivata dalla larghezza di banda della memoria e dalle dimensioni del modello, non calibrata, motivo per cui ognuna è pubblicata come un intervallo anziché come un singolo numero. Un esempio: la gamma sotto ogni cifra. Lo stesso modello e scheda variano tra il trenta e il cinquanta per cento a seconda del software di inferenza e della sua versione.
DeepSeek-R1 (May 2025)— è open-source?
I suoi pesi sono pubblicati, quindi può essere scaricato e eseguito sul proprio hardware. Si noti che OPEN WEIGHTS non è lo stesso di OPEN SOURCE nel senso completo — non dice nulla sui dati di addestramento, sul codice di addestramento o sui termini commerciali allegati.
DeepSeek-R1 (May 2025)— quanti parametri ha?
Ha un numero di parametri di 671B. 671B total 37B activated https://github.com/deepseek-ai/DeepSeek-R1/tree/main. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
DeepSeek-R1 (May 2025)— chi l'ha creato?
È stato pubblicato da DeepSeek, basato su China, un'organizzazione categorizzata come industry.
DeepSeek-R1 (May 2025)— quando è stato rilasciato?
È stato pubblicato in May 2025.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.