novita/deepseek/deepseek-r1

novita 渠道上的 DeepSeek-R1 属于 DeepSeek 推理模型系列的首代公开版本，发布日期为 2025 年 1 月 20 日。它针对的是通用对话模型在数学、逻辑与多步代码推理上容易跳步、结论难以复核的问题：模型先展开一段推理链，再给出最终回答。上下文窗口为 64K tokens，输入与输出均为纯文本，支持工具调用，因此可以把推理结论接到外部函数或查询接口上。厂商信息在事实数据中未标注，具体参数规模未公开。计费上输入、输出与缓存读统一为每百万 tokens 4 美元，在同类 DeepSeek 接入渠道中属于偏高一档，更适合与复杂推理任务匹配使用，而不是作为默认的通用对话底座。

选型建议需要长链推理、能接受较高单价与延迟时选它；只做简单问答或预算敏感时，优先同系列更便宜的 V3 与 r1-turbo。

• 拆解多步数学与逻辑题，输出完整推导过程供人工复核
• 在代码仓库问答中做根因分析，先推理再给出修改建议
• 接入工具调用，把推理结论转成数据库查询或工单操作
• 为运营场景生成需要同时权衡多个条件的方案草稿
• 离线批处理复杂文档，做要点归纳与相互矛盾点检查

DeepSeek-R1 走的是以强化学习驱动的推理模型路线，公开资料对层数、参数规模等细节披露有限，这里只做定性描述。

• 结构采用推理型生成范式，回答前先展开较长的思维链，再给出结论，在多步推理任务上比直接作答的对话模型更稳。
• 能力支持工具调用，可在推理之后接函数或外部接口，适合把多步判断与外部查询串成一条完整流程。
• 披露厂商与参数细节未在事实数据中给出，架构层面的精确规格公开资料较少，选型应以自测结果为准。

本站未收录该模型的第三方跑分，以下强项与短板基于公开认知与定价结构，只作方向性参考，不代表实测结论。

• 强项长链数学、逻辑与代码推理是 R1 系列的主场，需要写出中间步骤的任务，通常比直接问答模型更可靠。
• 短板推理链会显著增加输出 token 量，首字延迟与总耗时偏高；纯文本模态也接不了图像、语音类输入。
• 适合把复杂问题一次拆解求解的离线或半实时任务；对延迟敏感的简单问答，用它反而成本与等待都不划算。

输入、输出与缓存读统一为每百万 tokens 4 美元，计费结构简单，但单价在同类 DeepSeek 渠道中偏高。

• 定位进价出价相同，没有输出溢价，长输出推理任务的成本更容易预估；缓存读同为 4 美元，没有缓存折扣。
• 横向对比同渠道 deepseek_v3 价差约 -77.8%，r1-turbo 约 -82.5%，蒸馏版 Llama-70B 低至约 -94.2%，价格梯度明显。
• 平台差价事实数据中接入平台数为 0，可见报价仅 Requesty 一家且与官方价持平，缺少第二家可比价，议价空间需自行确认。
• 省钱先用小样本估算推理链长度，简单问题分流到更便宜的同系列模型，只把真正需要长链推理的请求交给 R1。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $4/M / $4/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径第三方跑分缺失，性能结论只能定性；不同任务的推理链长度差异很大，成本估算需按实际 token 量复核。
• 边界仅支持文本输入输出，没有多模态能力；64K 上下文意味着超长文档要分段；工具调用的参数正确性需自行校验。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。