Hubris
Скачать из Google PlayСкачайте из RuStore
hubris
Логотип DeepSeek — провайдер модели DeepSeek: R1 0528

DeepSeek: R1 0528

deepseek/deepseek-r1-0528
deepseek
Выпущена 28 мая 2025 г.|164К контекст|63,12 ₽/М вход|271,41 ₽/М выход

Обновление от 28 мая к оригинальному DeepSeek R1. Производительность наравне с OpenAI o1, но с открытым исходным кодом и полностью открытыми токенами рассуждений. Размер модели составляет 671B параметров, из которых 37B активны при проходе вывода.

Полностью открытая модель.

Провайдер для DeepSeek: R1 0528

Hubris маршрутизирует запросы к лучшему доступному провайдеру с автоматическим fallback при сбоях.

deepseek
Контекст
164К
токенов
Макс. ответ
33К
токенов
Вход
63,12 ₽
за 1М токенов
Выход
271,41 ₽
за 1М токенов
Кеш чтение
44,18 ₽
за 1М токенов

Модальности

Вход:ТекстВыход:Текст

Провайдеры

Запросы обслуживает один из провайдеров ниже — маршрутизация автоматически выбирает оптимального по доступности и скорости в момент запроса. Итоговая стоимость зависит от того, какой провайдер обслужил запрос, и от попадания в кэш: при повторяющемся контексте вход тарифицируется по цене чтения кэша — до 60–80 % дешевле. Цены — в рублях за 1 млн токенов.

DeepInfra
63,12 ₽271,41 ₽44,18 ₽—99,6 %
SiliconFlow
63,12 ₽275,20 ₽——100,0 %
StreamLake
72,08 ₽288,58 ₽——99,9 %

Поддерживаемые параметры

frequency_penaltyinclude_reasoninglogit_biaslogprobsmax_tokensmin_ppresence_penaltyreasoningrepetition_penaltyresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_ktop_logprobstop_p
Весь блог →

Другие модели от deepseek

DeepSeek: DeepSeek V4 Flash 0731

DeepSeek V4 Flash 0731 — это разреженная модель mixture-of-experts от DeepSeek с 13 миллиардами активных параметров из 284 миллиардов общих. Эта переобученная версия подходит для кодирования, рассуждений и рабочих процессов агентов.

1.0М контекст·от 7,14 ₽/М

DeepSeek: DeepSeek V4.1 Flash

DeepSeek V4.1 Flash — это разреженная модель MoE от DeepSeek, первая, построенная на архитектуре Causal Encoder-Decoder (CED) компании. Она активирует 8B параметров на входе и 16B на выходе из основы в 552B параметров, асимметричное разделение, которое поддерживает низкие вычислительные затраты на токен относительно общего размера модели. Понимание изображений является нативной частью архитектуры, при этом визуальные и текстовые embedding'и обучаются совместно с самого начала предварительного обучения, а не добавляются впоследствии, как в более ранней экспериментальной V4 Flash Vision Exp. Модель подходит для кодирования, терминальных и компьютерных агентов, а также для долгосрочных задач, которые должны быть выполнены за множество шагов, и для анализа длинного контекста. Сжатое KV-кэширование сокращает память кэша примерно до четверти по сравнению с предыдущим поколением Flash, значительно снижая затраты на агентские рабочие нагрузки. DeepSeek позиционирует её как экономичный уровень семейства V4.1 и сообщает, что она превосходит V4 Pro по производительности, скорости и времени выполнения задач.

1.0М контекст·от 6,44 ₽/М

DeepSeek: DeepSeek V4 Pro 0813

DeepSeek V4 Pro 0813 — это крупномасштабная модель Mixture-of-Experts от DeepSeek. Это общедоступная версия DeepSeek V4 Pro.

1.0М контекст·от 14,71 ₽/М

DeepSeek: DeepSeek V4.1 Flash 1017

DeepSeek V4.1 Flash 1017 — это снимок DeepSeek V4.1 Flash от 17 октября 2026 года, предоставляемый DeepSeek под именем API-модели deepseek-flash. V4.1 Flash — это разреженная модель mixture-of-experts от DeepSeek, первая, построенная на архитектуре Causal Encoder-Decoder (CED) компании. Она активирует 8B параметров на входе и 16B на выходе из основы в 552B параметров, асимметричное разделение, которое поддерживает низкие вычислительные затраты на токен относительно общего размера модели. Понимание изображений является родным для архитектуры, с визуальными и текстовыми embedding'ами, совместно обученными с самого начала предварительного обучения, а не добавленными позже, как в более ранней экспериментальной V4 Flash Vision Exp. Она подходит для кодирования, терминальных и компьютерных агентов, а также для долгосрочных задач, которые должны быть выполнены за множество шагов, и для анализа длинных контекстов. Сжатое KV-кэширование сокращает память кэша примерно до четверти по сравнению с предыдущим поколением Flash, значительно снижая затраты на агентские рабочие нагрузки. DeepSeek позиционирует ее как экономичный уровень семейства V4.1 и сообщает, что она превосходит V4 Pro по производительности, скорости и времени выполнения задач.

1.0М контекст·от 18,94 ₽/М

DeepSeek: DeepSeek Pro Latest

Эта модель всегда перенаправляется на последнюю модель семейства DeepSeek Pro.

1.0М контекст·от 12,61 ₽/М

DeepSeek: DeepSeek Flash Latest

Эта модель всегда перенаправляется на новейшую модель семейства DeepSeek Flash.

1.0М контекст·от 0,760 ₽/М