DeepSeek, um laboratório de IA chinês, lançou uma versão de código aberto do DeepSeek-R1, um modelo de raciocínio que compete diretamente com o OpenAI o1 em diversos benchmarks. Agora disponível na Novita AI, este modelo foi projetado para lidar com tarefas complexas como inferência lógica, matemática e programação, tornando-se uma ferramenta versátil para desenvolvedores e empresas.
O que diferencia o DeepSeek-R1 é sua arquitetura de raciocínio em primeiro lugar, que permite que ele verifique automaticamente a precisão de suas saídas. Embora esse processo possa levar mais tempo do que os modelos de linguagem tradicionais, os resultados são mais confiáveis, especialmente para casos de uso em física, ciência e matemática.
Este artigo explora as capacidades únicas do DeepSeek-R1, seu desempenho em benchmarks e como ele pode ser integrado em seus fluxos de trabalho por meio das APIs da Novita AI.
O que é o DeepSeek-R1?
O DeepSeek-R1 é um modelo de raciocínio de código aberto desenvolvido para lidar com tarefas que exigem raciocínio lógico, matemática avançada e programação. Ele se baseia no DeepSeek-R1-Zero anterior, combinando aprendizado por reforço com ajuste fino supervisionado para melhorar a clareza e a coerência das saídas.
Modelos de raciocínio como o R1 são projetados para verificar a precisão de suas saídas, reduzindo erros que frequentemente ocorrem em modelos de linguagem tradicionais. Isso os torna vitais para domínios que exigem alto nível de precisão e transparência, como pesquisa, educação e tomada de decisão.
O que torna o DeepSeek-R1 particularmente competitivo e atraente é sua natureza de código aberto. O modelo está disponível sob uma licença MIT, permitindo uso comercial irrestrito. Ao contrário de modelos proprietários, essa abordagem permite que desenvolvedores e pesquisadores explorem completamente sua arquitetura, modifiquem-na para atender a necessidades específicas e a implantem em diversos fluxos de trabalho.
Como o DeepSeek-R1 foi desenvolvido?
Esta seção examina como o DeepSeek-R1 foi criado, começando com seu predecessor, o DeepSeek-R1-Zero.
DeepSeek-R1-Zero
O DeepSeek-R1 começou com o R1-Zero, um modelo treinado inteiramente por aprendizado por reforço. Essa abordagem permitiu que o modelo desenvolvesse fortes capacidades de raciocínio, mas trouxe vários desafios:
- As saídas eram frequentemente difíceis de ler.
- O modelo às vezes misturava idiomas em suas respostas, tornando-o menos amigável.
Essas limitações tornaram o R1-Zero impraticável para aplicações do mundo real, apesar de sua solidez lógica.
Desafios do Aprendizado por Reforço Puro
A dependência de aprendizado por reforço puro levou a saídas logicamente válidas, mas mal estruturadas. Sem a orientação de dados supervisionados, o modelo tinha dificuldade para comunicar seu raciocínio de forma eficaz. Essa falta de clareza era uma barreira para usuários que exigiam precisão e transparência nos resultados.
Melhorias com o DeepSeek-R1
Para superar esses desafios, a DeepSeek adotou uma abordagem híbrida ao desenvolver o R1. Ao combinar aprendizado por reforço com ajuste fino supervisionado, a equipe incorporou conjuntos de dados curados para melhorar a legibilidade e a coerência do modelo. Essa mudança resolveu problemas críticos:
- A mistura de idiomas foi significativamente reduzida.
- O raciocínio fragmentado foi melhorado, resultando em saídas mais claras.
Esses avanços tornaram o DeepSeek-R1 uma ferramenta mais prática e confiável para aplicações do mundo real.
Benchmark de Desempenho do DeepSeek-R1
O DeepSeek-R1 se destaca em matemática, alcançando pontuações máximas de 97,3% no MATH-500 e 79,8% no AIME 2024, superando concorrentes. Em programação, ele se destaca com 49,2% no SWE-bench Verified e 65,9% no Live Code Bench, demonstrando sua expertise abrangente em ambos os domínios.
Todos os modelos são avaliados com um comprimento máximo de geração de 32.768 tokens, usando parâmetros de amostragem específicos (temperatura 0,6, top-p 0,95 e 64 respostas por consulta) para calcular pass@1 para os benchmarks.
Experimente a Demonstração do DeepSeek-R1 Agora
Modelos DeepSeek-R1-Distill
Destilação, ou destilação de conhecimento, é um método de aprendizado de máquina que transfere conhecimento de um modelo maior para um menor. O objetivo é desenvolver um modelo mais eficiente que possa alcançar desempenho semelhante ao modelo maior.
A DeepSeek também lançou versões destiladas do R1, oferecendo modelos menores que retêm grande parte das capacidades do modelo original, sendo mais eficientes computacionalmente. Esses modelos são ajustados usando dados gerados pelo DeepSeek-R1 e estão disponíveis em tamanhos de 1,5 bilhão a 70 bilhões de parâmetros.
Fonte: Documento de lançamento da DeepSeek
Acesse a API do DeepSeek-R1 via Novita AI
A plataforma da Novita AI simplifica a implantação do DeepSeek-R1, fornecendo APIs simples e infraestrutura de GPU em nuvem acessível. Os desenvolvedores podem integrar o modelo perfeitamente em suas aplicações sem se preocupar com configuração de hardware ou escalabilidade.
Para começar com o DeepSeek-R1 na Novita AI, siga estas etapas:
Passo 1: Acesse Novita AI e faça login usando sua conta do Google, GitHub ou endereço de e-mail.
Passo 2: Experimente a Demonstração do DeepSeek-R1.
Passo 3: Monitore o Painel de Métricas LLM do modelo na Novita AI.
Passo 4: Obtenha sua Chave de API:
- Navegue até “Key Management” nas configurações.
- Uma chave padrão é criada no primeiro login.
- Para gerar chaves adicionais, clique em “+ Add New Key.”
Passo 5: Configure seu ambiente de desenvolvimento e defina opções como conteúdo, função, nome e prompt.
Integração com a API
A Novita AI fornece bibliotecas cliente para Curl, Python e JavaScript, facilitando a integração do DeepSeek-R1 em seus projetos:
Para usuários de Python:
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="<YOUR Novita AI API Key>",
)
model = "deepseek/deepseek-r1"
stream = True # or False
max_tokens = 2048
system_content = """Be a helpful assistant"""
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=[
{
"role": "system",
"content": system_content,
},
{
"role": "user",
"content": "Hi there!",
}
],
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[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
Para usuários de JavaScript:
import OpenAI from "openai";
const openai = new OpenAI({
baseURL: "https://api.novita.ai/v3/openai",
apiKey: "<YOUR Novita AI API Key>",
});
const stream = true; // or false
async function run() {
const completion = await openai.chat.completions.create({
messages: [
{
role: "system",
content: "Be a helpful assistant",
},
{
role: "user",
content: "Hi there!",
},
],
model: "deepseek/deepseek-r1",
stream,
response_format: { type: "text" },
max_tokens: 2048,
temperature: 1,
top_p: 1,
min_p: 0,
top_k: 50,
presence_penalty: 0,
frequency_penalty: 0,
repetition_penalty: 1
});
if (stream) {
for await (const chunk of completion) {
if (chunk.choices[0].finish_reason) {
console.log(chunk.choices[0].finish_reason);
} else {
console.log(chunk.choices[0].delta.content);
}
}
} else {
console.log(JSON.stringify(completion));
}
}
run();
Para usuários de Curl:
curl "https://api.novita.ai/v3/openai/chat/completions" \
-H "Content-Type: application/json" \
-H "Authorization: Bearer <YOUR Novita AI API Key>" \
-d @- << 'EOF'
{
"model": "deepseek/deepseek-r1",
"messages": [
{
"role": "system",
"content": "Be a helpful assistant"
},
{
"role": "user",
"content": "Hi there!"
}
],
"response_format": { "type": "text" },
"max_tokens": 2048,
"temperature": 1,
"top_p": 1,
"min_p": 0,
"top_k": 50,
"presence_penalty": 0,
"frequency_penalty": 0,
"repetition_penalty": 1
}
EOF
💡 Dicas Profissionais da DeepSeek
Para obter desempenho ideal ao usar modelos DeepSeek-R1, recomenda-se usar as seguintes configurações:
- Configurações de Temperatura: Defina a temperatura dentro da faixa de 0,5-0,7 (0,6 é recomendado) para evitar saídas incoerentes ou repetições infinitas.
- Design do Prompt: Evite adicionar um prompt de sistema; inclua todas as instruções diretamente no prompt do usuário.
- Problemas Matemáticos: Para tarefas que envolvem matemática, adicione diretivas como: “Please reason step by step, and put your final answer within \boxed{}.”
- Avaliação: Realize múltiplos testes e calcule a média dos resultados para garantir benchmarking confiável.
DeepSeek-R1 vs. OpenAI o1: Desempenho em Benchmarks
O DeepSeek-R1 compete diretamente com o OpenAI o1 em diversos benchmarks, frequentemente igualando ou superando seu desempenho.
Benchmarks de Matemática
Em tarefas matemáticas avançadas, o DeepSeek-R1 demonstra desempenho forte. Ele obtém 79,8% no AIME 2024, ligeiramente à frente do OpenAI o1-1217 com 79,2%. No MATH-500, que envolve resolver diversos problemas de nível de ensino médio, o DeepSeek-R1 lidera com 97,3%, superando os 96,4% do OpenAI o1-1217.
Benchmarks de Programação
Em benchmarks de programação, o DeepSeek-R1 alcança 96,3% no Codeforces, logo atrás dos 96,6% do OpenAI o1-1217. No entanto, no SWE-bench Verified, que avalia raciocínio em tarefas de engenharia de software, o DeepSeek-R1 obtém 49,2%, ligeiramente à frente dos 48,9% do OpenAI o1-1217.
Benchmarks de Conhecimento Geral
Embora o OpenAI o1 lidere em tarefas de conhecimento geral, o DeepSeek-R1 permanece competitivo. Ele marca 71,5% no GPQA Diamond em comparação com 75,7% do OpenAI o1-1217. No MMLU, um benchmark multitarefa, o DeepSeek-R1 atinge 90,8%, logo atrás dos 91,8% do OpenAI o1-1217.
Esses resultados destacam os pontos fortes do DeepSeek-R1 em domínios que exigem raciocínio intensivo, particularmente em matemática e programação.
Libere o Poder do DeepSeek-R1 Hoje
O DeepSeek-R1 representa um avanço significativo na IA focada em raciocínio, oferecendo transparência, confiabilidade e flexibilidade. Seu forte desempenho em tarefas de matemática e engenharia de software o torna uma ferramenta poderosa para desenvolvedores que buscam soluções em pesquisa, educação e fluxos de trabalho técnicos.
Com sua disponibilidade na Novita AI, implantar o DeepSeek-R1 é simples e econômico. Seja resolvendo problemas matemáticos complexos ou automatizando tarefas de programação, o DeepSeek-R1 oferece uma solução robusta e acessível para diversas aplicações de IA.
Sobre a Novita AI
A Novita AI é uma plataforma de nuvem de IA que oferece aos desenvolvedores uma maneira fácil de implantar modelos de IA usando nossa API simples, além de fornecer uma nuvem GPU acessível e confiável para construir e escalar.
