DeepSeek-R1-0528 de DeepSeek est un modèle d’IA conçu pour le raisonnement par chaîne de pensée à poids ouverts et haute efficacité, offrant une fenêtre de contexte de 128K, une vitesse de 48 tokens/s, un indice d’intelligence de 52/100 et un tarif de $0.55/$2.19 par million de tokens.
Technical Specifications
- Provider
- DeepSeek
- Category
- reasoning
- Release Date
- 2025-05
- Batch API Discount
- 50% off async batch
- Consumer Subscription
- Free / Self-Hosted
- Reasoning Effort Control
- Configurable (Low / Med / High)
- Structured Outputs
- Yes
- Output Modalities
- text
- Official Documentation
- Visit Official Docs ↗
Data Privacy, Licensing & Deployment Governance
Official Provider Release Intelligence, API Quotas & Agentic Specs
- Official API Model ID (SDK String)
- deepseek-reasoner
- Supported SDK & API Protocol
- OpenAI-Compatible REST / vLLM / SGLang / HuggingFace TGI
- Lifecycle & Deprecation Status
- Active GA (Guaranteed support through 2027+)
- Production Rate Limits (RPM & TPM)
- Unlimited (Hardware-bound on self-hosted GPU) / 10,000 RPM Cloud · Unlimited local throughput / 10M+ TPM Managed Cloud
- Long-Context Pricing Tier (>128K / >200K)
- Flat rate ($0.55/1M in) across full 128K window
- Prompt Cache Write & TTL Policy
- Automatic prefix caching at $0.14/1M (no extra cache-write fee)
- Computer Use & Browser GUI Agent
- API / CLI Tool-Use & DOM Agent ready (no raw pixel desktop click loop)
- MCP & Parallel Tool Calling
- Native MCP Client/Server ready · Parallel function calling · 100% Strict JSON Schema
- Web Search Grounding & Code Sandbox
- Supported via external Tavily/Exa Search & E2B/Docker Sandbox tools
- Fine-Tuning & Distillation Support
- Full Weights SFT, LoRA, QLoRA, DPO & GRPO RL (Unsloth / Axolotl / Llama-Factory)
- Multimodal Tokenization Billing
- Text BPE (~4 chars/token)
- Weights Precision & Quantization
- BF16 / FP16, FP8 Dynamic, INT4 AWQ / GPTQ, GGUF (Q4_K_M / Q8_0)
- Minimum GPU VRAM Requirement
- 416 GB VRAM (4-bit Quantized) · 1443 GB VRAM (Native BF16)
- Supported Inference Engines
- vLLM, SGLang, Ollama, llama.cpp, TensorRT-LLM, HuggingFace TGI
- System Card & Safety Framework
- Open-Weights System Card + Customizable Guardrail Layer (Llama Guard / ShieldGemma)
- Enterprise Compliance (SOC2 / HIPAA / ZDR)
- 100% Air-Gapped On-Premises / Private VPC · Full HIPAA, GDPR & SOC2 Control
DeepSeek-R1-0528 Cost, Context, Hardware & API Integration
For single-user chat, a $20/mo subscription caps your bill below this API volume.
Break-even point: ~187 requests/day equals $20/month.
Same Monthly Workload Cost Across Popular Reference Models
Live Prompt Paste Tokenizer & Cost Counter
Paste real system instructions, JSON schemas, or code to measure BPE token counts across tokenizers.
Hybrid Prompt Routing Cascade Simulator
Route routine queries to a fast lightweight model ($0.15/1M) and escalate only complex reasoning turns to DeepSeek-R1-0528:
Benchmark Scores & 6-Axis Capability Radar
- SWE-bench Verified
- 51.8%
- GPQA Diamond
- 74.2%
- MMLU-Pro
- 85.6%
- HumanEval
- 92.5%
- Humanity's Last Exam
- 12%
- Terminal-Bench
- 34%
- SciCode
- 31.8%
- LiveCodeBench
- 54%
- AIME
- 85%
- Long-Context Reasoning
- 78%
- Chatbot Arena Elo
- 1355pts
Strengths
- Fenêtre de contexte de 128K et capacité de sortie maximale de 8K tokens (SWE-bench Verified 51.8% · GPQA Diamond 74.2%)
- Débit rapide de 48 tokens/seconde avec une latence au premier token (TTFT) de 900 ms
- Poids ouverts (671B (37B MoE)) permettant un déploiement sur site ou cloud privé via vLLM, SGLang ou Ollama
Limitations & Trade-offs
- Nécessite des serveurs GPU dotés de suffisamment de mémoire VRAM pour l’inférence locale à pleine précision
- Sur les problèmes de recherche fondamentale très complexes, les modèles de raisonnement lourd restent supérieurs
Editorial Assessment
Alliant un indice d’intelligence de 52/100, un contexte de 128K et un débit de 48 tok/s, DeepSeek-R1-0528 s’impose comme une valeur sûre de la gamme DeepSeek.
Best for: Conçu pour le raisonnement par chaîne de pensée à poids ouverts et haute efficacité, l’intégration RAG et les pipelines de production évolutifs.
Compare DeepSeek-R1-0528
Frequently Asked Questions about DeepSeek-R1-0528
How much does the DeepSeek-R1-0528 API cost per 1M tokens?+
DeepSeek-R1-0528 by DeepSeek is priced at $0.55 per 1M input tokens and $2.19 per 1M output tokens. With prompt caching enabled, cached input tokens cost $0.14 per 1M tokens, and asynchronous Batch API requests receive a 50% discount.
Should I use a $20/month subscription or the DeepSeek-R1-0528 pay-as-you-go API?+
A flat $20/month consumer subscription is predictable for daily interactive chat and manual coding. However, if you are building software, running automated workflows, or sending low-to-moderate volume with prompt caching enabled, the pay-as-you-go API is typically far more cost-effective and offers higher rate limits without manual UI caps.
How many words and pages fit in DeepSeek-R1-0528's context window?+
DeepSeek-R1-0528 features a 128K tokens context window, which equals approximately 96,000 English words or ~256 standard single-spaced pages in a single prompt. Its maximum output generation per turn is 8,192 tokens.
Can I run DeepSeek-R1-0528 locally on my own GPU (Open Weights)?+
Yes, DeepSeek-R1-0528 (671B (37B active MoE)) releases open weights that can be self-hosted locally or on private cloud GPUs using vLLM, Ollama, SGLang, or llama.cpp.
Does DeepSeek train on data sent to the DeepSeek-R1-0528 API, and is commercial use allowed?+
100% Isolated when self-hosted on private GPUs or VPC. License tier: Permissive Open-Weights (Apache 2.0 / MIT Commercial). Full commercial ownership of generated outputs. Supported deployment channels include: Self-Hosted GPU (vLLM / Ollama), Private VPC, or Managed Serverless API.
How does DeepSeek-R1-0528 perform on coding and reasoning benchmarks?+
DeepSeek-R1-0528 achieves a composite Intelligence Index of 52/100, scoring 51.8% on SWE-bench Verified, 74.2% on GPQA Diamond, 85.6% on MMLU-Pro, and 1355 pts on Chatbot Arena Elo.
What is DeepSeek-R1-0528 best used for?+
DeepSeek-R1-0528 is best suited for: Conçu pour le raisonnement par chaîne de pensée à poids ouverts et haute efficacité, l’intégration RAG et les pipelines de production évolutifs.. Assessment: Alliant un indice d’intelligence de 52/100, un contexte de 128K et un débit de 48 tok/s, DeepSeek-R1-0528 s’impose comme une valeur sûre de la gamme DeepSeek.
DeepSeek Family Lineage, Routing Tiers & Upgrade Path
Step down to a lighter sibling for high-volume routing or step up to DeepSeek's flagship reasoning tier:
DeepSeek V4.1-Flash
DeepSeek V4 Pro
DeepSeek V4
DeepSeek Reasoner
DeepSeek Chat
DeepSeek-V3-0324
AI Glossary & Architecture Concepts
View full glossary →Key machine learning concepts and benchmarks relevant to DeepSeek-R1-0528:
L'unité textuelle de base traitée par un modèle linguistique, représentant généralement 3 à 4 caractères ou environ 0,75 mot. Par exemple, une phrase courante est découpée en plusieurs jetons.
Une suite de tests standardisés permettant d'évaluer et de comparer objectivement les performances des modèles d'IA sur des tâches ciblées (code avec SWE-bench, mathématiques avec AIME, etc.).
Le nombre maximal de jetons qu'un modèle peut traiter simultanément (entrée et sortie comprises). Une fenêtre de 1 000 000 jetons permet d'analyser environ 750 000 mots en une seule requête.
Un modèle d'IA entraîné par apprentissage par renforcement pour allouer du temps de calcul à la réflexion logique avant d'émettre une solution, idéal pour les problèmes scientifiques et le code complexe.
Une méthode de raisonnement pas-à-pas où le modèle décompose le problème en étapes logiques intermédiaires avant de conclure, augmentant drastiquement la précision en mathématiques et programmation.
La capacité d'un LLM à déterminer quand une action externe est requise et à générer des arguments structurés pour invoquer des API, calculatrices ou bases de données avant de poursuivre.
Les scores de benchmarks, tarifs par token et limites évoluent rapidement. Vérifiez toujours les spécifications actuelles sur la documentation officielle du fournisseur.
Sources: DeepSeek Technical Report & Model Update (May 2025)↗