DeepSeek-R1 dominiert die Technologiediskussionen in Reddit-,
DeepSeek-R1A kostenlose und quelloffene Argumentations-KIbietet eine datenschutzorientierte Various zum o1-Modell von OpenAI für 200 US-Greenback professional Monat mit vergleichbarer Leistung in den Bereichen Codierung, Mathematik und logische Problemlösung. Diese Anleitung enthält Schritt-für-Schritt-Anleitungen für die lokale Set up von DeepSeek-R1 und die Integration in Projekte, wodurch potenziell Hunderte von Greenback professional Monat gespart werden können.
Warum liegt DeepSeek-R1 im Pattern?
Im Gegensatz zu geschlossenen Modellen, die Benutzer an Abonnements und Datenfreigabevereinbarungen binden, arbeitet DeepSeek-R1 bei lokaler Bereitstellung vollständig offline. Social-Media-Benchmarks zeigen, dass LeetCode-Probleme 12 % schneller gelöst werden als OpenAIs o1 Modell und verbraucht dabei nur 30 % der Systemressourcen. Eine TikTok-Demo, in der in 90 Sekunden ein Python-basierter Spesen-Tracker programmiert wird, hat 2,7 Millionen Aufrufe erzielt, wobei Kommentare wie „Gemini könnten das nie tun“ den Thread überschwemmen. Sein Reiz? Keine API-Gebühren, keine Nutzungsbeschränkungen und keine obligatorische Internetverbindung.
Was ist DeepSeek-R1 und wie schneidet es im Vergleich zu OpenAI-o1 ab?
DeepSeek-R1 ist eine revolutionäre Schlussfolgerungs-KI, die Reinforcement Studying (RL) anstelle von überwachter Feinabstimmung verwendet und beim AIME 2024-Mathe-Benchmark eine Cross@1-Wertung von 79,8 % erreicht. Es übertrifft OpenAI-o1 hinsichtlich der Kosteneffizienz, da die API-Kosten um 96,4 % günstiger sind (0,55 USD gegenüber 15 USD professional Million Eingabe-Token) und die Möglichkeit besteht, lokal auf Verbraucherhardware ausgeführt zu werden. DeepSeek-R1 ist Open Supply und bietet sechs destillierte Modelle mit Parametern von 1,5B bis 671B für verschiedene Anwendungen.
Schritt-für-Schritt-Installationsanleitung für DeepSeek-R1 (lokal)
Um DeepSeek-R1 lokal mit Ollama und Open Internet UI zu installieren, befolgen Sie diese Schritte:
1. Installieren Ollama über Terminal (macOS/Linux):
curl -fsSL https://ollama.com/set up.sh | sh ollama -v #verify Ollama model2. Laden Sie ein destilliertes DeepSeek-R1-Modell über Ollama herunter:
# Default 7B mannequin (4.7GB - splendid for shopper GPUs)
ollama run deepseek-r1
# Bigger 70B mannequin (requires 24GB+ VRAM)
ollama run deepseek-r1:70b
# Full DeepSeek-R1 (requires 336GB+ VRAM for 4-bit quantization)
ollama run deepseek-r1:671b3. Richten Sie Open Internet UI für eine personal Schnittstelle ein:
docker run -d -p 3000:8080
--add-host=host.docker.inside:host-gateway
-v open-webui:/app/backend/information
--name open-webui
--restart at all times
ghcr.io/open-webui/open-webui:essentialGreifen Sie auf die Schnittstelle zu http://localhost:3000 und auswählen deepseek-r1:newest. Alle Daten verbleiben auf Ihrem Pc und gewährleisten so den Datenschutz.
So integrieren Sie DeepSeek-R1 in Ihre Projekte
DeepSeek-R1 kann lokal oder über seine Cloud-API integriert werden:
1. Lokale Bereitstellung (Privatsphäre zuerst):
import openai
Hook up with your native Ollama occasion
shopper = openai.Shopper(
base_url="http://localhost:11434/v1",
api_key="ollama" # Authentication-free personal entry
)
response = shopper.chat.completions.create(
mannequin="deepseek-r1:XXb ", # change the "XX" by the distilled mannequin you select
messages=({"position": "consumer", "content material": "Clarify blockchain safety"}),
temperature=0.7 # Controls creativity vs precision
)2. Verwendung der offiziellen DeepSeek-R1-Cloud-API:
import openai from dotenv import load_dotenv import os
load_dotenv()
shopper = openai.OpenAI(
base_url="https://api.deepseek.com/v1",
api_key=os.getenv("DEEPSEEK_API_KEY")
)
response = shopper.chat.completions.create(
mannequin="deepseek-reasoner",
messages=({"position": "consumer", "content material": "Write internet scraping code with error dealing with"}),
max_tokens=1000 # Restrict prices for lengthy responses
)DeepSeek-R1 bietet eine kostengünstige, datenschutzorientierte Various zu OpenAI-o1, splendid für Entwickler, die Geld sparen und die Datensicherheit gewährleisten möchten. Für weitere Unterstützung oder den Erfahrungsaustausch werden Benutzer aufgefordert, sich mit der Neighborhood in Verbindung zu setzen.
Hervorgehobener Bildnachweis: DeepSeek