DeepSeek-R1 — модель рассуждений из первого поколения, которое DeepSeek описал вместе с DeepSeek-R1-Zero. Её смысл не в короткой реплике, а в ходе решения: шаги, самопроверка, затем ответ. Ниже — то, что об этом говорит репозиторий, без переноса этих свойств на более поздние имена API.
R1-Zero и R1
R1-Zero обучали обучением с подкреплением без предварительного SFT. README называет это первым открытым исследованием, где рассуждение стимулировали только так. У модели, по словам авторов, появились самопроверка, рефлексия и длинные цепочки. Там же названы проблемы: бесконечные повторы, плохая читаемость, смешение языков.
DeepSeek-R1 добавляет холодный старт перед обучением с подкреплением. Пайплайн включает две стадии RL и две стадии SFT. База обеих полных моделей — DeepSeek-V3-Base. В таблице: 671 млрд параметров всего, 37 млрд активных, контекст 128K.
Что авторы пишут про качество
README говорит, что R1 сопоставим с OpenAI-o1 на математике, коде и рассуждении при их замере. Протокол для своих моделей: до 32768 токенов генерации, температура 0,6, top-p 0,95, 64 ответа на запрос там, где нужен pass@1. Из таблицы R1: MMLU 90,8; GPQA-Diamond 71,5; LiveCodeBench 65,9; AIME 2024 79,8; MATH-500 97,3. Эти числа не относятся к DeepSeek-V4.1-Flash-1017.
Препринт в цитировании репозитория: arXiv 2501.12948, 2025 год.
Имя в API жило отдельно от весов
20 января 2025 журнал назвал deepseek-reasoner моделью DeepSeek-R1. 28 мая 2025 это имя переключили на DeepSeek-R1-0528. 24 июля 2026 в 15:59 UTC имена deepseek-chat и deepseek-reasoner отключены. Веса в репозитории от этого не исчезли: изменилось то, какое имя принимает облачный API. Хронология обновления мая — на странице R1-0528, сравнение с V4 — на странице R1 и V4.
Ещё один разбор линии есть в материале DeepSeek R1. Как рассуждение выглядит в обычном диалоге — в статье режим рассуждения в чате.
Чем R1 не является
Это не режим генерации видео и не «ускоренная аналитика для биржи»: в README такого списка нет. Это не окно в 1 млн токенов: миллион назван в анонсе V4 от 24 апреля 2026 для сервисов той линейки. Это не deepseek-flash. Сборка, на которую 17 октября 2026 перевели веб и приложение, называется DeepSeek-V4.1-Flash-1017.
Общий обзор без карточки R1 — на DeepSeek на русском. Веса и лицензия — на странице открытые веса.
Как читать карточку, чтобы не смешать поколения
Запишите на полях три числа из README: 671 млрд всего, 37 млрд активных, контекст 128K. Рядом запишите три других числа из анонса V4 от 24 апреля 2026: у Pro 1,6 трлн и 49 млрд активных, у Flash 284 млрд и 13 млрд, контекст сервисов — 1 млн токенов. Если текст в интернете ставит миллион токенов рядом с именем R1, он склеил две карточки.
То же с датами. 20 января 2025 — reasoner это R1. 28 мая 2025 — reasoner это R1-0528. 24 июля 2026 — имя reasoner отключено. 17 октября 2026 — веб на DeepSeek-V4.1-Flash-1017. Фраза «в чате работает R1» без даты непроверяема. Фраза «веса R1 лежат в репозитории» проверяема по README независимо от того, какое имя принимает API.
Для диалога без весов достаточно страницы про режим рассуждения. Для файла на диске — страницы про веса и про запуск.
