本文へスキップ

DeepSeek-R1

大規模強化学習で鍛えた公開の推論モデル

公式サイトを見る

DeepSeek-R1 とは

DeepSeek-R1 は DeepSeek チームの第一世代の推論モデルと紹介され、大規模強化学習により教師あり微調整なしで訓練される。資料は数学・コード・推論の課題で OpenAI-o1 に匹敵すると述べる。

できること

  • 数学の解法・コード生成・自然言語理解を扱う
  • 規模に応じて蒸留モデルの版を選ぶ
  • 公開コードと重みを用いて研究を行う
  • 商業利用・二次開発・蒸留に活用する

導入の手順

  • DeepSeek-R1 の GitHub ページを開く
  • 主モデルか蒸留版かを必要に応じて選ぶ
  • vLLM や SGLang などでモデルサービスを起動する
  • 温度や文脈長などの引数を設定して推論を調整する

モデルについて

  • 蒸留モデルは Llama と Qwen 系に基づく
  • 訓練は教師あり微調整ではなく大規模強化学習に依る
  • 研究と開発向けに公開コードと重みが用意される
  • 資料は商業利用と改変・二次開発を認めると説明

長所と短所

✓ 良い点

  • 数学の解法・コード生成・自然言語理解が挙がる
  • 改変・二次開発・蒸留が認められる

! 注意したい点

  • 稼働には vLLM や SGLang などの外部ツールを要する
  • 推論の結果は温度や文脈長などの設定に左右される

よくある質問

訓練の方法は?

資料は教師あり微調整なしの大規模強化学習と説明。

重みは公開される?

資料は公開コードと重みを挙げ、商業利用と二次開発を認める。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法