DeepSeek R1 评测：推理模型是否仍然值得运行？

如果你在2026年到达这里，询问DeepSeek R1是否仍然是适合您工作流程的正确推理模型，坦率的回答是“有时是，但不会太久。”这篇DeepSeek R1评测是基于生产经验撰写的——我大部分时间在2025年使用R1和R1-0528进行编码、数学和研究工作负载，然后迁移到了V3.2，现在使用V4。R1仍然是一个开放权重推理的里程碑，但DeepSeek自己的API已经发展，用于路由到它的`deepseek-reasoner` ID将在2026年7月24日退役。下面您将获得一份评分卡、方法总结、追踪到主要来源的基准数字、价格现实检查，以及对R1是否值得在您2026年的堆栈中占有一席之地的明确建议。

我们对DeepSeek R1的评判

R1是迫使行业将推理视为开放权重问题的模型。截至2026年4月，它仍然可以下载，仍然采用MIT许可，并且仍然是自托管数学和逻辑工作负载的可信选择。但它不再是DeepSeek自己API上的默认路径，如果您依赖于托管端点，您有一个硬性截止日期来迁移。

简而言之：如果您需要开放权重的推理模型并且可以自行运行该模型，R1仍然有其价值。如果您通过DeepSeek的API调用它，您现在应该计划迁移——继续阅读以获取截止日期和交换方法。

应该使用DeepSeek R1的人和不应该使用的人

如果你适合

• 需要适用于本地或受监管工作负载的开放权重推理模型——许可协议为MIT，允许商业用途。
• 运行RAG或数学密集型管道，其中逐步推理质量胜过延迟。
• 想要在Qwen或Llama基础上精炼一个更小的推理器以实现更便宜的推理。
• 进行学术研究，需要一个训练流程公开记录的模型。

如果你不适合

• 需要今天最便宜的托管API调用——V4-Flash的价格低于R1过去的价格。
• 想要一个当前前沿级别的SWE-Bench风格编码代理——现在那是V4-Pro的领域。
• 依赖于`deepseek-reasoner`模型ID，并且在2026年7月24日之前没有预算迁移。
• 需要紧凑、简短的答案——R1喜欢大声思考，有时每个响应超过20K个标记。

测试方法

我在2025年2月至2026年3月期间，将R1（2025年1月发布版）和R1-0528（2025年5月更新版）与自己的长期测试框架进行了比较。该框架运行五个任务组：竞赛数学（AIME风格和MATH-500保留项目）、多步逻辑谜题、针对LeetCode难题的代码生成、64K+标记的长文本问答，以及带有JSON模式输出的结构化提取任务。我分别使用了托管API（通过`deepseek-reasoner`）和基于8×H100s的自托管部署，并使用了SGLang。

为了交叉验证，我使用相同的任务对DeepSeek V3.2、DeepSeek V4-Pro和V4-Flash、OpenAI的o系列以及Claude的思维变体进行了测试。本评论中引用的每个基准数字都追溯到原始来源——我不会从记忆中引用DeepSeek的数字。

按任务类型的结果

数学与形式推理

这是R1的强项，也是它仍然重要的原因。DeepSeek的R1技术报告显示，在MMLU上得分为90.8%，在MMLU-Pro上得分为84.0%，在GPQA Diamond上得分为71.5%，显著优于DeepSeek-V3。在主要数学基准测试中，R1在AIME 2024上的Pass@1达到了79.8%，略高于OpenAI-o1-1217，在MATH-500上达到了97.3%，与o1-1217持平。

2025年5月的更新，R1-0528，将这些数字进一步推高。DeepSeek的AIME 2025分数在更新后从70.0%跃升至87.5%，在AIME 2024上的准确性从大约79.8%上升到91.4%。代价是冗长：在具有挑战性的问题上，模型平均每个查询有约23K个“思考”标记，几乎是原始12K的两倍。

编码

R1是一个合格的程序员，但不是编程专家。它在Codeforces上获得了2,029 Elo评分，超过了96.3%的人类参与者，这听起来很令人印象深刻，直到你注意到，一个专门的编码模型或当前的V4级别更适合仓库规模的工作。在我的LeetCode难题集中，R1-0528的通过率舒适地高于原始的R1，在Aider上，分数在更新后从57.0上升到71.6。

长文本处理

R1支持系统提示（在0528版中添加）并能合理处理长上下文，但它是在128K类窗口下训练的，而不是当前V4模型上常见的百万标记默认值。对于在大规模语料库上的深度检索，我现在默认使用其他方法。

结构化输出（JSON模式，工具）

0528版本更新增加了JSON输出和功能调用。将JSON模式视为旨在返回有效的JSON，但不保证——通过使用“json”一词和模式示例来提示，并设置`max_tokens`足够高，以便推理加上输出不会截断。整个过程中都应遵循相同的规范。 DeepSeek models hub.

基准表（来自R1技术报告）

这些数字直接来自DeepSeek的R1论文。竞争对手行使用DeepSeek引用的确切版本——在没有新来源的情况下，不要与较新模型版本进行交叉比较。

想要更广泛的与 OpenAI 的推理器进行一对一比较，请参阅专门的 DeepSeek R1 vs OpenAI o1 对比。

如何在2026年访问R1

仍有三条路线开放，具有显著不同的特性。

1. 网页聊天和移动应用。 The DeepSeek chat 接口默认现在为V4。DeepThink切换仍然存在，但V4在非思考模式和思考模式之间切换，而不是将您路由到旧的R1。如果您特别想要R1的行为，自托管是可靠的途径。
2. 托管 API（旧版 ID）。 `deepseek-reasoner` 和 `deepseek-chat` 仍然被接受，并分别用于 DeepSeek V4-Flash 思考和非思考模式。这两个旧版 ID 将于 2026年7月24日15:59 UTC 退役之后，使用它们的请求将失败。迁移是一个单行的`model=`交换；`base_url`不会改变。
3. 自托管开放权重。 代码仓库是MIT许可的，模型使用受MIT许可约束。R1已成为Hugging Face上下载量最大的开放重量级模型，下载量达到1090万。有关本地设置教程，请参阅 install DeepSeek locally 指南或 running DeepSeek on Ollama.

最小API调用（OpenAI SDK）

Chat requests hit POST /chat/completions，与OpenAI兼容的端点。以下是直到退休日期仍然接受的旧版Python调用，以及您应该迁移到的V4等价物。DeepSeek还在相同的基URL上暴露了一个与Anthropic兼容的表面。

from openai import OpenAI
client = OpenAI(base_url="https://api.deepseek.com", api_key="...")

# Legacy — works until 2026-07-24 15:59 UTC, routes to V4-Flash thinking
resp = client.chat.completions.create(
    model="deepseek-reasoner",
    messages=[{"role": "user", "content": "Prove that sqrt(2) is irrational."}],
)

# V4 equivalent — change only the model and add thinking parameters
resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Prove that sqrt(2) is irrational."}],
    reasoning_effort="high",
    extra_body={"thinking": {"type": "enabled"}},
)

API是无状态的——客户端必须在每个请求中重新发送完整的对话历史，与DeepSeek侧维护会话历史的Web聊天不同。当启用思考功能时，响应返回 reasoning_content alongside the final content. 值得了解的参数有 temperature, top_p, max_tokens, reasoning_effort，JSON模式、流式传输、工具调用和上下文缓存——所有这些都在文档中进行了说明 DeepSeek API documentation.

价格与性价比

历史R1定价——大约每百万输入令牌0.55美元和每百万输出2.19美元——已退役。如果您今天通过旧版托管ID调用R1，您将支付V4-Flash的费率表。截至2026年4月，V4-Flash列出的费率为每百万令牌输入0.0028美元缓存命中/0.14美元缓存未命中和0.28美元输出。自托管将成本转移到GPU租赁或自有硬件，这只有在非常高的体积下才能击败托管价格——使用 DeepSeek pricing calculator 检查。

工作示例（V4-Flash速率，当前路由目标）

一百万次API调用，包括一个2,000令牌的缓存系统提示，一个200令牌的无缓存用户消息和一个300令牌的响应：

• 缓存输入：2,000 × 1,000,000 = 2,000,000,000个token × $0.0028/M = $5.60
• 未缓存输入：200 × 1,000,000 = 200,000,000个token × $0.14/M = $28.00
• 输出：300 × 1,000,000 = 300,000,000个token × $0.28/M = $84.00
• Total: $117.60

注意数学：系统提示在第一次命中后缓存，但每个新的用户消息都是对该前缀的未命中——您不能跳过无缓存输入行。非高峰折扣于2025年9月5日结束，并在V4下未恢复。

训练成本背景

R1报告的训练成本之所以成为头条新闻，是有原因的。DeepSeek披露，其以推理为重点的R1模型训练成本为294,000美元，使用了512个Nvidia H800芯片，这些数据于2025年9月发表在同行评审的《自然》杂志上。仔细阅读这个数字：294,000美元的价格标签不包括DeepSeek报告的用于构建R1所基于的通用LLM的600万美元支出，并且至少有一项第三方分析（The Register，2025年1月）将包括V3基模型训练在内的实际总成本估算为大约587万美元。低廉的训练成本并不等同于低廉的推理成本；推理经济由模型的活跃参数数量决定，而不是其训练费用。

竞争对手背景

2026年对R1最有用的两个比较。 DeepSeek与OpenAI o1的比较 轴是R1在数学和推理方面展开较量，同时在MIT下发布开源权重——这是一种从未提供过的组合。与其他推理者相比， DeepSeek alternatives for reasoning 汇总是快速了解Qwen、GLM和大型实验室选项如何定位的捷径。

如果您的比较是内部的——R1与较新的DeepSeek堆栈——简而言之就是 DeepSeek V4 价格更低，默认上下文为1,000,000个token，输出可达384,000个token，同时在Flash和Pro级别提供以思考为参数的功能。只有在你需要可以锁定和审计的特定开放权重推理检查点时，R1才是更好的选择。

优缺点总结

优点

• 在MATH-500和AIME上的顶级开放权重推理性能。
• MIT授权的代码和权重，具有商业用途许可。
• 详细的训练流程文档；易于通过蒸馏进行构建。
• 广泛的运行时支持（vLLM、SGLang、PyTorch、Ollama）。

缺点

• 长的、对token需求大的响应会增加延迟和自托管成本。
• 不是编码专家——当前前沿级别的模型在SWE-Bench风格的任务上胜过它。
• 上下文窗口小于V4默认的百万token。
• 通过旧ID访问托管API将于2026年7月24日结束。

要全面了解该系列擅长什么，更广泛的 DeepSeek capabilities 指南涵盖了模型的优势，我们的 DeepSeek评论 中心收集了兄弟产品的概述。

最终结论

在2026年，DeepSeek R1在两种情况下仍有运行价值：你希望获得本地推理工作的开放权重，或者你正在研究同行评审的推理训练管道是如何实际组装的。对于任何托管和生产面向的应用，请在2026年7月24日之前迁移到V4-Flash或V4-Pro——旧模型ID将在那天之后无法使用，而V4的价格表已经优于R1的历史定价。R1的遗产在于它将推理问题公开化。在2026年的大多数堆栈中，它的实际作用是一个存档的、可审计的基线。

DeepSeek AI Guide is an independent resource and is not affiliated with DeepSeek or its parent company. Model IDs, pricing and API behaviour change; check the official DeepSeek documentation and pricing page before committing to a production decision.