Pro/deepseek-ai/DeepSeek-R1

DeepSeek-R1 属于 deepseek-thinking 推理系列，定位偏向「先推理再作答」的任务形态：模型在给出结论前会展开多步思考，因此在逻辑推导、代码理解与多步骤流程编排上更有针对性。开放权重意味着团队既可以按 API 调用，也可以在自有环境部署，便于做数据合规与定制微调。上下文窗口与单次最大输出同为 164000 tokens，长文档审阅、把多轮工具返回结果一次性喂入这类场景都能容纳，但长输出也意味着更高的时延与费用。能力侧支持推理、工具调用、结构化输出与温度调节，可以直接接入函数调用链路，或用结构化输出约束返回格式。该模型仅支持文本输入与文本输出，不涉及图像、音频等多模态。需要说明的是，站内暂未列出该模型的第三方跑分，选型时不宜依赖榜单结论，建议用自有任务集做小样本验证后再决定是否上线。

选型建议需要多步推理、长上下文与工具调用，且能接受较高输出成本时选它；追求低延迟、短回答或极低成本时，应改用同平台的轻量对话模型。

• 审阅长篇合同或技术文档，逐条抽取风险点并给出推理依据
• 在代码库中定位缺陷并生成修复方案，配合工具调用验证改动
• 搭建多步数据分析流程，把查询、计算与结论生成串成一次调用
• 为客服或工单系统生成结构化输出，用 JSON 约束字段以便程序解析
• 对复杂业务规则做条件判断推演，输出可复核的决策路径

R1 属于 deepseek-thinking 推理系列，走「推理链 + 结果输出」的路线，权重开放，允许 API 调用与自建部署两条路径并行。

• 结构模型归入 deepseek-thinking 推理家族，权重对外开放，可自托管；具体参数规模、层数与训练细节公开资料较少，不适合在此推断。
• 能力原生支持推理、工具调用、结构化输出与温度调节，能把多步思考接到函数调用和 JSON 约束输出上，适合工程化编排。
• 披露站内未列出该模型的第三方跑分，架构与训练信息以官方权重说明为准，上线前建议用业务样本自建评测。

开源权重

是

模型家族

deepseek-thinking

推理型模型的典型取舍是「想得更久、答得更稳」，代价体现在输出长度、响应时延与按输出计费的成本上。

• 强项长链条推理与工具调用可组合使用，面对代码修复、数据脚本生成、多步条件判断这类任务，比直接作答的模型更少跳步。
• 短板推理过程会占用较多输出 tokens，按输出计费时单价压力明显；简单问答、短文案改写这类任务用它并不划算。
• 适合164K 上下文可同时容纳长材料与多轮工具返回结果，适合长文档审阅、复杂流程编排、需要边查边推的场景。

输入 $0.5978/M、输出 $2.3912/M、缓存读 $0.0598/M 的价格结构，决定了成本重心在生成长度而非读入量。

• 定位输出单价约为输入的四倍，缓存读约为输入价的十分之一，说明该模型鼓励复用长提示、压缩生成内容。
• 横向对比与同平台 DeepSeek-V3.2 输入价持平但输出更贵；DeepSeek-V3 输入价约为其一半；GLM-5 系列输入价更高。
• 平台差价models.dev 与其 siliconflow-cn 条目的输入、输出、缓存读报价完全一致，目前不存在可比的渠道价差。
• 省钱把稳定的系统提示与常读文档走缓存读取，同时收紧推理与输出长度上限，是最直接的成本控制手段。

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 $0.5978/M / $2.3912/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

• 口径站内未列第三方跑分，同类对比中的 AA 列同样为空，能力判断应基于自建任务集，而非榜单排名。
• 边界仅支持文本输入与输出，不含图像、音频；上下文与单次输出同为 164K，长输出任务需评估时延与实际费用。
• 渠道目前仅 1 家平台提供，供应路径单一，价格与可用性受单一渠道影响，关键业务应准备备选模型。

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。