Nouvelle version : DeepSeek R1 0528
DeepSeek R1 est un modèle de raisonnement de première génération, publié par DeepSeek le 20 janvier 2025, qui lit le texte. Il sert au chat, aux mathématiques et au code, et ses poids sont publiés sous licence MIT.
À la sortie de DeepSeek R1, DeepSeek proposait déjà DeepSeek V3, facturé en dessous de lui sur OpenRouter. Selon DeepSeek, DeepSeek R1 est entraîné à partir de DeepSeek-V3-Base.
Dans le tableau publié par DeepSeek à la sortie de DeepSeek R1, DeepSeek V3 obtient 39,2 sur AIME 2024 et le 58,7e centile sur Codeforces, contre 79,8 et le 96,3e centile pour DeepSeek R1. Dans son rapport technique, DeepSeek écrit aussi que DeepSeek R1 reste en deçà de DeepSeek V3 pour l’appel de fonctions, les échanges à plusieurs tours, les jeux de rôle complexes et la sortie JSON, et qu’il n’apporte pas de grande amélioration sur DeepSeek V3 dans les tests de génie logiciel.
À sa sortie, selon DeepSeek, on discute avec DeepSeek R1 sur chat.deepseek.com, son site officiel, en activant le bouton DeepThink.
À sa sortie, selon DeepSeek, DeepSeek R1 atteint des performances comparables à celles d’OpenAI o1 en mathématiques, en code et en raisonnement. Pour un problème de mathématiques, l’éditeur conseille d’ajouter au prompt une consigne qui lui demande de raisonner étape par étape et d’encadrer sa réponse finale.
À sa sortie, DeepSeek annonce pour DeepSeek R1 une cote de 2029 sur Codeforces. Le code fait partie des tâches où l’éditeur le dit comparable à OpenAI o1.
Le score est un Elo calculé par Arena, d'après des duels à l'aveugle : plus il est haut, plus le modèle l'emporte souvent face aux autres. Quand un modèle existe en plusieurs niveaux de réflexion, seul son meilleur score est retenu.
À sa sortie, DeepSeek publie le rapport technique « DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning ». Selon DeepSeek, l’entraînement de DeepSeek R1 comprend deux étapes d’apprentissage par renforcement et deux étapes de réglage supervisé (SFT).
| Évaluation | Domaine | Score annoncé |
|---|---|---|
| AIME 2024 | mathématiques | 79,8 |
| MATH-500 | mathématiques | 97,3 |
| LiveCodeBench | code | 65,9 |
| SWE-bench Verified | code | 49,2 |
| MMLU | connaissances et raisonnement | 90,8 |
| GPQA Diamond | connaissances et raisonnement | 71,5 |
Dans le même tableau, OpenAI o1 garde l’avantage sur MMLU, avec 91,8, et sur GPQA Diamond, avec 75,7. Ce sont des scores annoncés par l’éditeur à la sortie du modèle, pas un classement.
DeepSeek R1 est sorti le 20 janvier 2025 et lit du texte en entrée. Selon DeepSeek, le modèle repose sur un mélange d’experts de 671 milliards de paramètres, dont 37 milliards activés, avec une fenêtre de contexte de 128K tokens.
Sur OpenRouter, DeepSeek R1 affiche une fenêtre de contexte de 64 000 tokens et une sortie maximale de 16 000 tokens par réponse. Le tableau des caractéristiques reprend les données d’OpenRouter, dont ces 64 000 tokens.
Chat 
Code
toolstemperaturetop_preasoningseedstopresponse_formatmax_tokensServi par d'autres hébergeurs que DeepSeek, selon OpenRouter
Chez OpenRouter (relevé du 05/10/2026) : 0,70 $ / M tokens en entrée, 2,50 $ / M tokens en sortie.
Un accès gratuit dépend toujours de l'outil, de l'offre et de ses limites : nous ne l'attribuons pas au modèle seul.
Selon DeepSeek, DeepSeek R1 appartient à sa première génération de modèles de raisonnement, avec DeepSeek R1-Zero. Toujours selon DeepSeek, DeepSeek R1-Zero, entraîné par apprentissage par renforcement sans réglage supervisé préalable, souffre de répétitions sans fin, d’une lisibilité médiocre et de mélanges de langues ; DeepSeek R1 ajoute des données de démarrage à froid avant l’apprentissage par renforcement.
Avec DeepSeek R1, DeepSeek publie aussi six modèles DeepSeek-R1-Distill, de 1,5 à 70 milliards de paramètres : des modèles Qwen et Llama affinés sur des exemples générés par DeepSeek R1, donc d’autres modèles.
DeepSeek R1 0528 succède à DeepSeek R1 : il est sorti le 28 mai 2025. La frise des versions situe chaque version de DeepSeek R par sa date de sortie.
| Repères | DeepSeek R1Vous êtes ici | DeepSeek R1 0528 |
|---|---|---|
| Score | 1398 | 1422 |
| Sortie | ||
| Contexte | 64 k tokens | 164 k tokens |
| Prix d'entrée | 0,70 $ / M tokens | 0,50 $ / M tokens |
| Prix de sortie | 2,50 $ / M tokens | 2,15 $ / M tokens |
| Entrées | Texte | Texte |
| Réflexion | Toujours active | Toujours active |
| Tâches | Aide au code, Affaires et finance, Juridique, Mathématiques, Conversation à plusieurs tours, Prompts difficiles, Rédaction créative, Santé et bien-être, Suivi de consignes | Aide au code, Affaires et finance, Juridique, Mathématiques, Conversation à plusieurs tours, Prompts difficiles, Rédaction créative, Santé et bien-être, Suivi de consignes |
| Ce qui le distingue | DeepSeek R1 est un modèle de raisonnement de première génération, publié par DeepSeek le 20 janvier 2025, qui lit le texte. Il sert au chat, aux mathématiques et au code, et ses poids sont publiés sous licence MIT. |
Les repères sont ceux renseignés dans l'annuaire ; un repère absent de toutes les versions sélectionnées n'est pas affiché. Comparaison complète dans le comparateur
À sa sortie, DeepSeek sert DeepSeek R1 sur chat.deepseek.com, via le bouton DeepThink, et dans son API sous le nom deepseek-reasoner. Selon DeepSeek, il s’agit d’un modèle à mélange d’experts de 671 milliards de paramètres.
DeepSeek annonce la sortie de DeepSeek R1 le 20 janvier 2025.
DeepSeek publie les poids de DeepSeek R1 sous licence MIT, qui autorise l’usage commercial, les modifications et les travaux dérivés. À sa sortie, DeepSeek le présente comme un modèle entièrement open source.
Oui : DeepSeek publie ses poids sous licence MIT et, pour faire tourner DeepSeek R1 en local, renvoie au dépôt de DeepSeek-V3.
DeepSeek R1 0528 succède à DeepSeek R1 dans la gamme : il est sorti le 28 mai 2025.
Pas besoin d'écrire un bon prompt vous-même. Choisissez un exemple, copiez-le tel quel, puis collez-le dans votre outil pour voir immédiatement le type de réponse obtenu.
Voir comment il rédige un e-mail professionnel à partir d'une situation concrète.
Rédigez un e-mail professionnel et cordial pour relancer un client qui n'a pas encore répondu à une proposition commerciale envoyée il y a une semaine. Le message doit rester chaleureux, ne pas paraître insistant et se terminer par une question simple pour savoir s'il souhaite poursuivre. Faites une version courte, naturelle et directement envoyable.Voir s'il sait rendre un sujet complexe vraiment compréhensible.
Expliquez-moi ce qu'est l'intelligence artificielle générative comme si je n'y connaissais absolument rien. Utilisez des mots simples, donnez deux exemples du quotidien, évitez le jargon et terminez par trois choses importantes à retenir.Voir comment il transforme un projet en étapes simples et concrètes.
Je souhaite créer un nouveau site internet pour une petite entreprise. Organisez le projet étape par étape, depuis la définition des besoins jusqu'à la mise en ligne. Pour chaque étape, indiquez ce qu'il faut préparer, la décision principale à prendre et l'erreur la plus fréquente à éviter. Terminez par les trois premières actions à réaliser cette semaine.Ouvrez votre outil, collez le texte et envoyez. Ensuite, répondez naturellement à l'IA si vous voulez préciser ou modifier le résultat.