DeepSeek R1 0528 est une version améliorée du modèle d'inférence publié par DeepSeek le 2025-05-28. La carte modèle officielle met clairement l'accent sur ses améliorations significatives en mathématiques, en programmation et en logique générale, et continue de prendre en charge l'expérience DeepThink côté Web et les appels d'API compatibles OpenAI.

DeepSeekR1 0528

Paramètres et statistiques de base

En un mot, DeepSeek R1 0528 n'est pas une réparation mineure consistant à "changer le suffixe de date", mais une mise à niveau pratique qui fait progresser le raisonnement de R1 de "peut résoudre des problèmes difficiles" à "plus approprié comme modèle de production". La carte modèle indique ouvertement qu'elle améliore considérablement les performances des tâches mathématiques, de programmation et de logique générale grâce à des processus de réflexion plus profonds et à l'optimisation des algorithmes post-formation, tout en faisant simultanément un pas en avant dans la prise en charge des appels de fonction, l'expérience du code et le contrôle des illusions.

Projets	Informations publiques
Formulaire de produit	Modèle d'inférence open source + version web DeepThink + API compatible OpenAI
Dernière version	DeepSeek-R1-0528
Heure de sortie	2025-05-28
Licence	MIT
Taille du modèle	Hugging Face affiche environ 685 milliards de paramètres
Longueur maximale générée	64 000 jetons
Portail en ligne	chat.deepseek.com, DeepThink commutable
Adresse de base de l'API	https://api.deepseek.com
Capacités Web correspondantes	Téléchargement de fichiers, recherche sur Internet, réflexion approfondie
Ligne principale contextuelle	La documentation API vend actuellement la série V4 pour 1M, et la génération précédente R1-0528 se concentre sur la profondeur du raisonnement plutôt que sur le marketing contextuel ultra-long
Popularité de la communauté	Hugging Face a environ 2,46k likes et environ 1,41 million de téléchargements au cours des 30 derniers jours

Positionnement de base : il ne s'agit pas d'une « mise à niveau complète de l'apparence du chat », mais d'une version modèle qui ressemble davantage à un « moteur de raisonnement », adapté pour démonter des problèmes complexes, compléter le processus mathématique et compléter les étapes de codage.

Vérification de la propagande : Le responsable met l'accent sur « une plus grande profondeur de raisonnement ». À en juger par les changements de référence divulgués dans la fiche modèle, cet argument de vente n'est pas un slogan vide de sens. Surtout dans les tâches telles que AIME 2025, LiveCodeBench, Aider Polyglot et SWE Verified qui nécessitent une déduction continue, l'amélioration est clairement visible.

Reconnaissance des utilisateurs et du marché

L'acceptation par le marché de DeepSeek R1 0528 ressemble davantage à « les développeurs et les gros utilisateurs votent en premier » qu'à l'histoire d'achat de sièges à grande échelle du SaaS traditionnel. La raison est simple : ce qui impressionne vraiment les gens, ce n'est pas l'interface utilisateur, mais le modèle d'inférence open source qui amène pour la première fois les mathématiques difficiles, le code complexe et la logique en plusieurs étapes à un niveau très proche de celui du modèle source fermé.

Un bref commentaire : Si l'équipe considérait le modèle d'inférence à source fermée comme une "machine garantie pour les tâches difficiles", alors l'importance du R1 0528 est de réduire cette partie du budget, et non de remplacer tous les scénarios de dialogue quotidiens.

Vérification de la publicité : la carte modèle compare directement les performances globales à celles d'O3 et de Gemini 2.5 Pro. Les parties les plus vérifiables se trouvent dans les sous-références : AIME 2025 amélioré par rapport à la version précédente de 70,0 à 87,5, AIME 2024 a atteint 91,4, LiveCodeBench amélioré de 63,5 à 73,3, Aider Polyglot amélioré de 53,3 à 71,6 et SWE Verified amélioré de 49,2 à 57,6. Ces chiffres montrent qu’il a effectivement capturé le problème qui préoccupe le plus les utilisateurs cibles, à savoir la stabilité des tâches de raisonnement difficiles.

Signal de marché : le maintien du commutateur DeepThink sur la page Web signifie que DeepSeek ne verrouille pas ces capacités dans les documents et les cartes modèles, mais continue de permettre aux utilisateurs ordinaires de percevoir directement la forme de raisonnement « plus lente mais plus forte ». Pour la productisation, cette différence perçue est plus importante que le pur benchmarking.

Rappel des limites : il n'a pas de performances complètes sur des indicateurs tels que SimpleQA qui mettent l'accent sur l'exactitude de faits concis, ce qui explique également pourquoi il est plus adapté à la « résolution de problèmes » au lieu que toutes les questions et réponses soient découpées par défaut dans le mode de réflexion le plus profond.

Avantage de coût

La plus grande importance commerciale de DeepSeek R1 0528 n'est pas le « chat gratuit » lui-même, mais la capacité de faire passer un raisonnement complexe d'une capacité réservée uniquement aux équipes à gros budget à une gamme que les développeurs ordinaires et les petites et moyennes équipes osent utiliser régulièrement.

La vérité sur la gratuité : Le Web et les applications ont effectivement abaissé le seuil d'essai, mais la gratuité ne signifie pas une disponibilité illimitée pour l'entreprise. Lorsqu'il s'agit de révision de code par lots, de réponse automatique aux questions et de raisonnement sur de longs processus, les contraintes de coûts et de concurrence reposeront toujours sur la plate-forme API.

Hiérarchie des coûts	Divulgation	Signification réelle
Côté C/Personnel	Le portail de discussion peut directement expérimenter DeepThink	Convient pour une utilisation manuelle, ne convient pas aux appels systématiques
API/Développeur	Le document actuel recommande principalement la V4, avec des prix commençant à 0,0028 $ par million d'accès au cache d'entrée, 0,14 $ par million d'échecs et 0,28 $ par million de sorties	Description DeepSeek continue de maintenir une stratégie de prix bas et le coût d'inférence est bien inférieur à celui de la plupart des modèles principaux à source fermée
Entreprise	Besoin de confirmer en fonction de la stratégie réelle de concurrence, de quota et d'isolement	Le véritable problème est la concurrence, la stabilité et la gouvernance intégrée, et pas seulement le prix unitaire symbolique

Coût implicite : plus le raisonnement est approfondi, plus la consommation de jetons de sortie est élevée. La fiche modèle mentionne que le nombre moyen de jetons de réflexion par question dans le test AIME est passé de 12 000 à 23 000, ce qui montre directement que « plus fort » s'accompagne souvent d'une surcharge de raisonnement plus élevée. Les utilisateurs individuels ne sont pas très perspicaces, mais les scénarios de lots d'entreprise seront très évidents.

Conformité et risque : La licence MIT laisse plus de place à l'auto-déploiement et à la distillation des modèles, mais lors de l'intégration de modèles dans des processus métiers à haut risque, la conformité ne signifie pas qu'ils sont sans souci par défaut simplement parce qu'ils sont « open source ». Lorsqu'il s'agit de conclusions financières, de conseils médicaux, de textes juridiques ou de soumissions automatisées de codes, un point de confirmation humaine doit encore être ajouté.

Avantages cachés : si l'équipe doit à l'origine « exécuter d'abord le modèle bon marché et examiner le modèle coûteux une fois », les modèles d'inférence tels que R1 0528 réduiront le nombre de révisions, ainsi que le taux de retouche et les coûts de changement de modèle diminueront.

Fonctions principales

• Raisonnement profond : convient aux tâches telles que les problèmes mathématiques, les problèmes de logique complexes, la reconstruction de code, ainsi que la comparaison et la sélection de solutions qui nécessitent des chaînes de déduction intermédiaires.
• Questions et réponses sur le code et l'ingénierie : la fiche modèle mentionne l'expérience améliorée du codage vibratoire, indiquant qu'il est non seulement capable de créer du code, mais qu'il est également meilleur en matière d'explication et de correction continues.
• Appel de fonction : par rapport à la version précédente, la prise en charge des appels de fonction est plus complète et adaptée à l'intégration dans un workflow ou des agents d'outils pour une exécution en plusieurs étapes.
• Compréhension des fichiers et recherche en ligne : la page Web propose des modèles Word de téléchargement de fichiers et d'invite de recherche systématisés, indiquant que le fonctionnaire promeut la combinaison "inférence + preuve externe".
• Opération locale et dérivation de distillation : la carte modèle fournit également des instructions d'opération locale et divulgue les résultats de la distillation vers Qwen3-8B, ce qui facilite la migration de petits modèles par l'équipe de recherche.

Vue d'expert : son élément le plus précieux n'est pas une seule fonction, mais le lien entre « réflexion approfondie + appel d'outil + contexte de fichier/de recherche ». Dans le passé, de nombreux modèles pouvaient écrire du code, mais ils ne regroupaient pas de manière fiable les données externes, le contenu téléchargé par l'utilisateur et les résultats d'exécution des outils dans un seul package ; Le R1 0528 progresse évidemment dans ce sens.

Evolution du modèle et de la version

La gamme de produits DeepSeek est déjà très claire : la série V est responsable de la force principale générale et la série R est responsable de l'amélioration de l'inférence. Le rôle de R1 0528 est de pousser directement la ligne de raisonnement R1 à un niveau qui peut remplacer certains appels de raisonnement fermés coûteux sans renommer une nouvelle version majeure.

Version	Dates	Points saillants des changements
DeepSeek-R1	2025-01-20	Établir pour la première fois la ligne principale du raisonnement amélioré
DeepSeek-V3-0324	2025-03-24	Améliorer les capacités générales et de codage pour compléter la ligne principale quotidienne
DeepSeek-R1-0528	2025-05-28	La profondeur d'inférence, l'appel de fonctions, le contrôle des illusions et l'expérience de codage sont simultanément améliorés

Logique de version : R1 0528 n'est pas une version de produit qui modifie l'interface utilisateur, mais une mise à niveau technique qui « fait ressembler davantage la route d'inférence à un modèle de production ». Pour les utilisateurs, le changement le plus direct n'est pas le nom, mais moins de retours en arrière et moins de séries de mots d'invite dans les scénarios difficiles.

Avantages techniques

Selon le formulaire de livraison principal, DeepSeek R1 0528 appartient à [Basic Large Model/API Infrastructure]. Son avantage ne réside pas dans le travail multimodal, mais dans la transformation d'un raisonnement de haute qualité en une base de capacités de déploiement à faible coût, accessible par API et open source.

Performances et débit : le responsable n'a pas divulgué publiquement les données de débit complètes telles que TTFT, TPM, RPM, etc. pour R1 0528. La page API publique actuelle vend principalement la série V4, et R1 0528 est plus approprié pour être considéré comme une référence de capacités et une entrée vers le poids open source. Les informations de concurrence publiées appartiennent à la ligne principale V4. La concurrence en ligne spécifique du R1 0528 est soumise à la page officielle en temps réel.

Mécanisme d'effet : une réflexion plus approfondie sur le budget symbolique + l'optimisation post-formation conduit directement à un saut dans les références complexes en mathématiques et en programmation. Le prix est que certaines demandes seront plus lentes et le jeton sera plus cher, mais l'avantage est moins de retouches et moins de secondes demandes.

Limite d'adaptation : il est idéal pour les mathématiques difficiles, le code de niveau compétition, l'analyse complexe et les liens d'appel d'outils ; il est le moins bon en matière de service client léger, extrêmement sensible aux retards, à la classification à très grande échelle et à faible coût et aux questions et réponses superficielles qui ne nécessitent qu'une réponse rapide en une seule phrase.

Exemple d'API :

boucle https://api.deepseek.com/chat/completions \
  -H "Type de contenu : application/json" \
  -H "Autorisation : Porteur <VOTRE_API_KEY>" \
  -d '{
    "model": "deepseek-v4-flash",
    "messages": [
      {"role": "user", "content": "Veuillez fournir une analyse de la complexité de ce code Python et signaler les bogues potentiels."}
    ],
    "température": 0,2,
    "max_tokens": 2048,
    "stream": vrai,
    "response_format": {"type": "texte"}
  }'

Le nom officiel actuel de l'API V4, stable et vérifiable, est utilisé ici ; si l'équipe souhaite implémenter le poids R1 0528, la couche d'auto-hébergement et de compatibilité doit être basée sur la page modèle et les documents officiels en temps réel.

Comment utiliser

Entrée	Convient à la foule	Comment utiliser
Internet	Utilisateurs individuels, analystes, programmeurs	Connectez-vous à chat.deepseek.com, ouvrez DeepThink et posez des questions directement
Application	Gros utilisateurs mobiles	Utilisé pour des questions et réponses informelles et la compréhension de documents, adapté à une expérience légère
Plateforme API	Développeurs, équipes produits	Utilisez des interfaces compatibles OpenAI pour vous connecter aux systèmes existants
Déploiement local	Équipe de recherche, groupe de plateforme d'entreprise	Téléchargez les poids depuis Hugging Face et créez votre propre service d'inférence

Utilisation recommandée : placez-le d'abord sur des tâches « de grande valeur et à faible fréquence », telles que l'analyse de bogues difficiles, l'explication de logique financière complexe, la comparaison de contrats et la déduction pour la résolution de problèmes. C’est le moyen le plus simple de voir la différence entre celui-ci et le modèle de chat ordinaire.

Il n'est pas recommandé de remplacer toutes les données dès qu'elles apparaissent : si l'équipe transfère dès le début tout le trafic du service client, de la recherche et du chat vers le modèle d'inférence, cela ne fera souvent qu'amplifier le coût en premier, plutôt que de gagner de la valeur en premier.

Prix des produits

R1 0528 lui-même constitue une « entrée à bas seuil » avec un poids open source et une expérience Web, et l'ancrage officiel des prix commerciaux se reflète davantage dans le modèle de vente principal du document actuel de la plate-forme API DeepSeek.

Projet	Prix ​​public
Chat Web	Seuil bas pour l'expérience personnelle
Accès au cache d'entrée de l'API	À partir de 0,0028 $ / 1 million de jetons
Manque de cache d'entrée API	À partir de 0,14 $ / 1 million de jetons
Sortie API	À partir de 0,28 $ / 1 million de jetons
Limite de concurrence	Le modèle principal varie de 500 à 2500, selon le modèle

La vérité sur la gratuité : L'expérience gratuite convient pour tester les capacités, mais elle ne signifie pas pour autant une production gratuite. Lors du raisonnement par lots, de l'analyse de code et de l'analyse de textes longs, les principaux facteurs de coût sont le jeton de sortie et le quota de concurrence.

Jugement d'approvisionnement : si l'équipe a été en mesure d'utiliser de manière stable des modèles généraux moins chers, R1 0528 est plus approprié comme « fichier de mise à niveau pour les problèmes difficiles » ; si un grand nombre de tâches de l'équipe sont déjà à la limite du raisonnement, alors celui-ci peut devenir le modèle principal.

Scénarios d'application

• Scénario d'attaque par réduction de dimensionnalité : dérivation mathématique, explication des questions de compétition, débogage de code complexe, questions et réponses basées sur la recherche, dépannage de problèmes de liaison longue, ces tâches peuvent mieux refléter sa valeur.
• Scénario de collaboration R&D : le réviseur de code utilise d'abord le modèle ordinaire pour effectuer une analyse de surface, puis utilise R1 0528 pour le dépannage, ce qui peut supprimer à la fois les faux positifs et les faux négatifs.
• Scénario de travail de connaissances : lorsque les postes juridiques, de recherche en investissement et de stratégie traitent des textes très complexes, R1 0528 ressemble plus à un « deuxième analyste » qu'à un « assistant de rédaction ».

Scénario de dissuasion : concurrence élevée, prix du service client extrêmement bas ; interaction qui nécessite des résultats en 1 seconde ; une réécriture et un peaufinage qui ne nécessitent presque aucun raisonnement ; une supervision forte et une prise de décision automatique qui interdit strictement toute sortie incertaine.

Personnes concernées

• Chercheurs et programmeurs individuels : ceux qui sont prêts à échanger plus de temps d'attente contre une meilleure qualité de raisonnement en ressentiront évidemment les avantages.
• Développeurs et équipes de produits IA : convient pour une utilisation comme « modèle de solution difficile » dans les chaînes d'appels difficiles.
• Enterprise Platform Group : s'il existe un modèle de passerelle, d'auto-hébergement et de système d'audit, la nature open source de R1 0528 sera plus flexible qu'une solution purement fermée.

LIMITATION ACTUELLE : ce n'est pas la réponse par défaut pour tous les processus. Pour les scénarios avec des questions et réponses légères, une latence extrêmement faible ou un fort accent sur la sortie au format unifié, les modèles généraux sont souvent plus rentables et plus faciles à contrôler.

Résumé et Outlook

La valeur fondamentale de DeepSeek R1 0528 est de transformer le « raisonnement difficile » des capacités de démonstration en capacités de modèle plus proches de la production réelle. L'aspect le plus remarquable n'est pas la référence unique, mais l'avancement d'un raisonnement plus profond, d'appels de fonctions, de compréhension de fichiers et de taux d'hallucinations plus faibles dans la même version, ce qui le rend très pratique dans la R&D, la recherche et les travaux de connaissances complexes.

Il y a deux choses que vous devez voir clairement avant d'acheter ou d'adopter : premièrement, cela évite de retravailler des tâches difficiles et ne réduit pas les coûts dans tous les scénarios ; Deuxièmement, une réflexion approfondie consommera davantage de jetons, qui devront être réservés à des requêtes vraiment complexes via des stratégies de routage. Une manière plus raisonnable de le mettre en œuvre consiste d'abord à placer R1 0528 dans la couche inférieure des tâches difficiles, à observer le taux de révision manuelle, le coût unitaire des tâches et le taux d'achèvement des tâches, puis à décider s'il convient d'étendre la portée.

Outils associés : Recherche profonde, ChatGPT

Informations de version

• DeepSeek-R1-0528 ：La carte modèle officielle est définie comme une mise à niveau mineure de DeepSeek R1. Grâce à un processus d'inférence plus approfondi et à une optimisation des algorithmes post-formation, il améliore considérablement les capacités en mathématiques, en programmation, en logique et en appel de fonctions. （2025-05-28）
• DeepSeek-R1 ：R1 est la première version principale du raisonnement formel, établissant le positionnement d'un raisonnement complexe piloté par l'apprentissage par renforcement. （2025-01-20）
• DeepSeek-V3-0324 ：La version améliorée de la gamme principale V3 se concentre sur les capacités d'usage général et de codage, formant une autre gamme de produits principale en plus de R1. （2025-03-24）