Uso primário declarado ou inferido com cautela a partir da documentação oficial.
D
DEEPSEEK / deepseek-reasoner
DeepSeek R1
Modelo de raciocínio aberto e família de modelos destilados, relevante para acompanhar a evolução do raciocínio verificável.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | deepseek-reasoner |
|---|---|
| Tipo de modelo | Texto e raciocínio · Código |
| Modelo de acesso | API e pesos abertos |
| Licença | MIT |
| Implantação | API, local ou nuvem privada |
| Lançamento | 20 ENE 2025 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Texto |
| Saída | Texto |
| Janela de contexto | 64.000 tokens na API original |
| saída máxima | Não publicado |
| Raciocínio | Raciocínio explícito |
| Ferramentas publicadas | |
| Passeios Estruturados | Não aplicável ou não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Pesos e modelos destilados transferíveis |
| Plataformas verificadas | DeepSeek API · Hugging Face |
Matemática, código, investigação e estudo de modelos abertos de raciocínio.
É uma geração anterior; compara a latência e a extensão do raciocínio com o V3.2.
03 / CAPACIDADES
O que pode fazer
Orientação
Matemática, código, investigação e estudo de modelos abertos de raciocínio.
Contexto
64.000 tokens na API original · Não publicado
Ferramentas e integração
Não publicado
Acesso
DeepSeek API e pesos
Modalidades de entrada
Texto
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Não publicado | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Não publicado | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Consulta a fonte primária: a unidade de faturação depende do tipo de modelo e do canal de acesso.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
Um benchmark público orienta, mas não substitui uma avaliação com os teus dados, ferramentas, orçamento e tolerância ao erro.
| Benchmark | Resultado | Métrica | Fonte |
|---|---|---|---|
| AIME 2024 | 79,8 % | Pass@1 publicado | Ver fonte ↗ |
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
DeepSeek R1
Versão incorporada no catálogo verificado da Inferama.
ANÁLISE
Análises relacionadas
DeepSeek R1 em produção: como testar o template de prompt sem quebrar a aplicação
As recomendações oficiais de prompting para o DeepSeek R1 são hipóteses que devem ser validadas em cada aplicação. Este protocolo permite comparar a posição das instruções e o prefixo «<think>», medindo tanto a qualidade das respostas quanto as falhas de integração.
27 set 2026 ↗
DeepSeek R1 vs. DeepSeek V3.2: como decidir entre raciocínio explícito e eficiência em um fluxo revisável
Uma comparação útil entre DeepSeek R1 e DeepSeek V3.2 não começa por um benchmark publicado, mas por uma tarefa própria, um corpus congelado e uma definição explícita de erro material. Este protocolo permite medir se a deliberação adicional do R1 reduz erros e revisões humanas ou se o V3.2 atinge o mesmo patamar com menor latência, consumo e complexidade.
22 set 2026 ↗
AIME 2024: o que mede uma percentagem de acertos em 30 problemas e porque dois resultados aparentemente iguais podem não ser comparáveis
Um resultado de AIME 2024 parece simples, mas pode resumir protocolos muito diferentes. Este guia explica o que o conjunto representa, como o resultado muda consoante o número de tentativas, a seleção de respostas, as ferramentas e o harness, e que informação pedir antes de comparar modelos.
22 set 2026 ↗07 / FONTES