كيفية الوصول إلى DeepSeek R1 محليًا أو عبر API: دليل شامل

النقاط الرئيسية

1. أداء متقدم
استدلال فائق: يهيمن على معايير الرياضيات (AIME 2024, MATH-500) والبرمجة (Codeforces).
الهندسة المعمارية: MoE + تدريب معزز بالتعلم المعزز بـ 671 مليار معامل (37 مليار نشط/رمز).

2. الوصول المحلي عبر Ollama
تثبيت Ollama؛ تشغيل ollama run deepseek-r1:7b للتحميل؛ التحقق باستخدام ollama list والتفاعل عبر الطرفية.

3. تحديات النشر المحلي
المعدات: يتطلب وحدات معالجة رسومية عالية المستوى (مثل H800) بسعة VRAM 24 جيجابايت أو أكثر.
الذاكرة: 671 مليار معامل يؤدي إلى بطء التحميل؛ خطر تبديل القرص.
الإعداد: تثبيت يدوي للأوزان والمكتبات والتكوين.
النماذج المقطرة: الإصدارات الأصغر (مثل Qwen-32B) تقلل الموارد لكنها تضحي بالأداء.

4. الوصول عبر API: يقدم Novita AI API لـ DeepSeek R1. فقط سجل للحصول على نسخة تجريبية مجانية واستخدم API مع طلبات بسيطة.

DeepSeek R1 هو نموذج ذكاء اصطناعي متطور معروف بقدراته القوية في الاستدلال، خاصة في الرياضيات والبرمجة. سترشدك هذه المقالة عبر الطرق المختلفة التي يمكنك من خلالها الوصول إلى DeepSeek R1، سواء عن طريق تشغيله محليًا أو باستخدام API.

ما هو DeepSeek R1؟

• تاريخ الإصدار: 21 يناير 2025
• مقياس النموذج:
  • deepseek/deepseek-r1
  • deepseek/deepseek-r1-distill-qwen-14b
  • deepseek/deepseek-r1-distill-qwen-32b
• الميزات الرئيسية:
  • حجم النموذج: 671 مليار معامل (37 مليار نشط/رمز)
  • المُرمِّز: مُرمِّز محسّن مع علامات تأمل ذاتي
  • اللغات المدعومة: متعدد اللغات مع تكيف ثقافي
  • متعدد الوسائط: نص فقط
  • نافذة السياق: 128 ألف رمز
  • تنسيقات التخزين: دعم التكميم Q8/Q5
  • الهندسة المعمارية: خليط من الخبراء (MoE) + خط أنابيب تدريب معزز بالتعلم المعزز
  • طريقة التدريب: مبني على قاعدة V3 مع خط أنابيب التعلم المعزز (SFT → RL → SFT → RL)
  • بيانات التدريب: قاعدة V3 + بيانات تحسين التعلم المعزز

https://www.youtube.com/watch?v=ApvcIYDgXzg

مقارنة المعايير

يظهر DeepSeek-R1 أداءً متفوقًا في معظم الاختبارات، خاصة في المهام التي تتطلب دقة عالية واستدلالًا معقدًا (مثل AIME 2024 وCodeforces وMATH-500 وMMLU). يتفوق على نماذج مثل OpenAI-o1-1217 وOpenAI-o1-mini في هذه المجالات. ومع ذلك، يظهر DeepSeek-R1 أداءً أضعف في مهام محددة مثل GPQA Diamond وSWE-bench Verified، مما يشير إلى مجالات محتملة للتحسين مقارنة بنماذج مثل Open AI O1.

التطبيقات

• حل المشكلات الرياضية وتوليد الأكواد.
• مهام الاستدلال المنطقي المعقدة.
• المساعدة في تشخيص المشكلات المعقدة.
• تحليل السيناريوهات متعددة الخطوات.
• تجميع الرؤى من مجموعات البيانات الكبيرة.
• تطبيقات خدمة العملاء.

كيفية الوصول إلى DeepSeek R1 محليًا

https://www.youtube.com/watch?v=pbCQnDDj-bo

دليل التثبيت خطوة بخطوة

1. تثبيت Ollama

• قم بزيارة موقع Ollama، وقم بتنزيل وتثبيت الإصدار المناسب لنظام التشغيل لديك.

2. تنزيل نموذج DeepSeek-R1

• افتح الطرفية الخاصة بك وقم بتشغيل (باستخدام إصدار 7B كمثال): bashCopyollama run deepseek-r1:7b (انتظر حتى اكتمال التنزيل؛ الوقت يعتمد على سرعة الشبكة.)

ollama run deepseek-r1:7b

3. التحقق والتشغيل

• التحقق من التثبيت:

ollama list  # تحقق مما إذا كان "deepseek-r1" يظهر في القائمة

• بدء النموذج:

ollama run deepseek-r1:7b

4. أمثلة الاستخدام

• طرح سؤال: bashCopy>>> "شرح الحوسبة الكمومية بعبارات بسيطة."
• توليد كود: bashCopy>>> "اكتب دالة بايثون لحساب متتالية فيبوناتشي."

تحديات النشر المحلي

1. قيود الأجهزة

• متطلبات موارد عالية:
  • يتطلب وحدات معالجة رسومية/TPUs عالية المستوى (مثل H800) مع VRAM/RAM كبير.
• قيود الذاكرة:
  • 671 مليار معامل (37 مليار مفعل لكل رمز) يؤدي إلى بطء التحميل.
  • نقص VRAM/RAM يسبب التبديل إلى القرص أو الفشل.

2. الإعداد والتكوين

• تثبيت معقد:
  • خطوات يدوية: تنزيل أوزان النموذج (Hugging Face)، تثبيت المكتبات (مثل transformers)، تكوين الأطر.
  • يتطلب خبرة تقنية للتحسين.
• تحسين البرمجيات:
  • يجب فرض أن تبدأ الردود بـ thinking\ لضمان أنماط الاستدلال الصحيحة.

3. اختناقات الأداء

• استدلال بطيء:
  • قيود CPU/GPU وعرض النطاق الترددي للذاكرة تقلل سرعة المعالجة.
• تكاليف الصيانة:
  • التحديثات اليدوية للإصدارات الجديدة من النموذج تضيف جهدًا مستمرًا.

4. المفاضلات مع النماذج المقطرة

• تقليل احتياجات الموارد:
  • الإصدارات الأصغر (مثل Qwen-32B, Llama-70B) تخفض متطلبات الأجهزة.
  • مثال: Qwen-32B يتفوق على OpenAI-o1-mini في المعايير.
• عيوب الأداء:
  • التضحية بالدقة أو القدرة مقارنة بالنموذج الكامل 671B.
  • قد يعاني في المهام المعقدة التي تتطلب استدلالًا عميقًا.

للحصول على القدرة الكاملة: اختر الوصول عبر API لتجنب تحديات الأجهزة والإعداد.

كيفية الوصول إلى DeepSeek R1 عبر Novita AI

Novita AI هي منصة سحابية للذكاء الاصطناعي تقدم للمطورين طريقة سهلة لنشر نماذج الذكاء الاصطناعي باستخدام API البسيط الخاص بنا، مع توفير سحابة GPU موثوقة وبأسعار معقولة للبناء والتوسع.

الخطوة 1: تسجيل الدخول والوصول إلى مكتبة النماذج

قم بتسجيل الدخول إلى حسابك وانقر على زر مكتبة النماذج.

جرب DeepSeek R1 الآن!

الخطوة 2: اختر نموذجك

تصفح الخيارات المتاحة واختر النموذج الذي يناسب احتياجاتك.

الخطوة 3: ابدأ النسخة التجريبية المجانية

ابدأ نسختك التجريبية المجانية لاستكشاف إمكانيات النموذج المختار.

الخطوة 4: احصل على مفتاح API

للمصادقة مع API، سنقدم لك مفتاح API جديد. بالدخول إلى صفحة “الإعدادات”، يمكنك نسخ مفتاح API كما هو موضح في الصورة.

الخطوة 5: تثبيت API

قم بتثبيت API باستخدام مدير الحزم الخاص بلغة البرمجة الخاصة بك.

بعد التثبيت، قم باستيراد المكتبات اللازمة إلى بيئة التطوير الخاصة بك. قم بتهيئة API باستخدام مفتاح API الخاص بك لبدء التفاعل مع Novita AI LLM. هذا مثال على استخدام واجهة برمجة تطبيقات chat completions لمستخدمي Python.

from openai import OpenAI
  
client = OpenAI(
    base_url="https://api.novita.ai/v3/openai",
    api_key="<مفتاح Novita AI API الخاص بك>",
)

model = "deepseek/deepseek_r1"
stream = True # أو False
max_tokens = 2048
system_content = """كن مساعدًا مفيدًا"""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }

chat_completion_res = client.chat.completions.create(
    model=model,
    messages=&#91;
        {
            "role": "system",
            "content": system_content,
        },
        {
            "role": "user",
            "content": "مرحبًا!",
        }
    ],
    stream=stream,
    max_tokens=max_tokens,
    temperature=temperature,
    top_p=top_p,
    presence_penalty=presence_penalty,
    frequency_penalty=frequency_penalty,
    response_format=response_format,
    extra_body={
      "top_k": top_k,
      "repetition_penalty": repetition_penalty,
      "min_p": min_p
    }
  )

if stream:
    for chunk in chat_completion_res:
        print(chunk.choices&#91;0].delta.content or "", end="")
else:
    print(chat_completion_res.choices&#91;0].message.content)
  
  

عند التسجيل، تقدم Novita AI رصيدًا بقيمة 0.5 دولار لتبدأ!

إذا نفد الرصيد المجاني، يمكنك الدفع لاستمرار الاستخدام.

أي الطرق مناسبة لك؟

• الباحثون: يُفضل الوصول المحلي عمومًا للمرونة والتحكم في التجارب.

• المطورون:

  • الوصول عبر API مناسب لبناء التطبيقات والنماذج الأولية السريعة.
  • الوصول المحلي أفضل للضبط الدقيق وسير العمل المخصص.

• الشركات: الوصول عبر API مفيد للتكامل السريع في الخدمات دون تكاليف أولية عالية. قد يكون النشر المحلي مناسبًا للفرق ذات المتطلبات الثابتة والقدرة على الاستثمار في البنية التحتية.

• الفرق الصغيرة/الأفراد: الوصول عبر API أكثر عملية عمومًا نظرًا لانخفاض تكاليف البدء.

• المستخدمون ذوو المهارات التقنية المحدودة: يُفضل الوصول عبر API لأنه يلغي الحاجة إلى معرفة تقنية عميقة.

في الختام، DeepSeek R1 هو نموذج مذهل بقدرات استدلال متطورة. سواء اخترت تشغيله محليًا أو استخدام API، ستحتاج إلى النظر في المفاضلات بين التحكم والتكلفة والراحة. من خلال النظر بعناية في هذه العوامل والتوصيات المحددة في هذه المقالة، يمكنك اختيار أفضل طريقة وصول لأهدافك.

الأسئلة الشائعة

هل DeepSeek R1 أفضل من OpenAI’s o1؟

يقدم DeepSeek R1 أداءً مشابهًا، خاصة في مهام الاستدلال، مع فائدة إضافية كونه مفتوح المصدر وأكثر فعالية من حيث التكلفة.

كيف يمكنني ضبط DeepSeek R1 بدقة؟

كنموذج مفتوح المصدر، يمكن ضبط DeepSeek R1 بدقة لمهام محددة، بشرط توفر الموارد الحاسوبية والبيانات.

كيف يتم تدريب النماذج؟

DeepSeek R1 أرخص بكثير من نماذج OpenAI’s o1.

Novita AI هي المنصة السحابية الكل في واحد التي تعزز طموحاتك في الذكاء الاصطناعي. واجهات برمجة تطبيقات متكاملة، بدون خادم، مثيل GPU — الأدوات الفعالة من حيث التكلفة التي تحتاجها. تخلص من البنية التحتية، ابدأ مجانًا، وحقق رؤيتك في الذكاء الاصطناعي.

قراءات موصى بها

• DeepSeek V3: تطوير نماذج الأكواد مفتوحة المصدر، متاح الآن على Novita AI
• Deepseek v3 vs Llama 3.3 70b: مهام اللغة مقابل الأكواد والرياضيات
• Llama 3.2 3B vs DeepSeek V3: مقارنة الكفاءة والأداء.