DeepSeek: model terbuka dan asisten AI, dengan V3 dan R1 di dua jalur

DeepSeek adalah keluarga model terbuka dan asisten AI yang dikembangkan DeepSeek (di bawah High-Flyer), menyasar model dan teknik dasar kecerdasan artifisial umum. Bagi pengguna ada dua makna: asisten yang dibuka di peramban lalu diajak bicara, dan bobot terbuka yang bisa diunduh serta dijalankan sendiri.

Di sisi model ada dua jalur utama. Jalur umum diwakili DeepSeek-V3 dengan arsitektur campuran pakar, 671B parameter total dan 37B aktif per token, konteks 128K serta kecepatan pembuatan hingga 60 TPS; V3.2 berikutnya menambahkan DSA, atensi jarang berbutir halus yang memakai pengindeks kilat untuk memilih informasi kunci dan menaikkan efisiensi pelatihan serta inferensi teks panjang. Jalur penalaran diwakili DeepSeek-R1 yang dilatih dari V3-Base dan dioptimalkan dengan pembelajaran penguatan, menonjol dalam matematika, pemrograman, dan penalaran bahasa alami.

Dari kedua jalur tumbuh cabang. R1-Zero melewati penyetelan halus terawasi dan hanya bersandar pada pembelajaran penguatan, penalarannya kuat tetapi keterbacaan menghadapi tantangan. R1-Distill menyuling data penalaran buatan R1 ke model kecil 1,5B hingga 70B. R1-0528 dilatih dari V3-0324 dengan 660B parameter dan menekankan penalaran mendalam, pembuatan teks yang diperbaiki, serta tugas tunggal 30 sampai 60 menit. Di multimodal ada DeepSeek-VL2 (Tiny, Small, dan standar dengan 1,0B, 2,8B, 4,5B parameter aktif) serta seri Janus, dan di ranah vertikal Prover-V2 untuk pembuktian teorema matematika.

Dalam pemakaian sehari-hari ini asisten berjangkauan luas: tanya jawab dan dialog multiturn, penulisan teks, penerjemahan, pengolahan data, pembuatan grafik, pembuatan dan penelusuran kode, penalaran matematis, ditambah pencarian web dan mode berpikir mendalam. Mode gambar memungkinkan mengunggah foto untuk pemahaman visual. Untuk pengembang tersedia platform model yang mencakup pelatihan, pengelolaan, dan kendali kumpulan data.

Fitur utama

Tanya jawab dan dialog

Menjawab soal sains, sejarah, kehidupan sehari-hari, dan teknologi, mengikuti konteks dan tetap runtut, sehingga cocok untuk pertanyaan beruntun.

Penulisan dan penerjemahan

Menghasilkan artikel, cerita, puisi, laporan, dan surel serta menerjemahkan antarbahasa; DeepSeek-V3 mencakup hingga 83 bahasa.

Pembuatan dan penelusuran kode

Menulis kode dalam banyak bahasa dari deskripsi bahasa alami dan membantu menemukan masalah serta memperbaiki implementasi.

Matematika dan penalaran logis

Kuat pada tugas matematika dan penalaran, dengan mode berpikir mendalam untuk pertanyaan yang perlu analisis bertahap.

Pencarian web dan berpikir mendalam

Pencarian menghadirkan informasi terkini, mode mendalam menunjukkan proses penalaran pada logika rumit.

Data dan grafik

Membersihkan, menganalisis, dan menghitung statistik data lalu mengubah hasilnya menjadi grafik batang, garis, atau pai.

Pemahaman gambar

Gambar dapat diunggah untuk pemahaman dan interaksi visual; di sisi model, VL2 dan Janus menyatukan penglihatan dan bahasa.

Membaca dokumen

Dokumen yang diunggah bisa diambil informasi kuncinya dan diringkas, berguna untuk materi panjang.

Platform pengembangan

Platform model mendukung pelatihan, pengelolaan, dan kendali kumpulan data sehingga memudahkan penanaman kemampuan ke sistem sendiri.

Cara memakai

1. Pilih pintu masuk. Versi web berjalan di peramban apa pun, aplikasi ada di toko, dan tersedia ekstensi di Chrome Web Store.
2. Sesuaikan mode dengan tugas. Pertanyaan dan tulisan memakai dialog, informasi terkini memakai pencarian AI, dokumen memakai pembacaan berkas, penalaran rumit menyalakan berpikir mendalam.
3. Rumuskan dengan jelas. Hindari ungkapan kabur, tandai kebutuhan dengan kata kunci, dan pecah pekerjaan rumit menjadi pertanyaan kecil yang makin mendalam.
4. Bekerja per giliran. Melanjutkan di percakapan yang sama untuk bertanya lagi, minta tulis ulang, atau menambah syarat biasanya lebih baik daripada satu prompt sangat panjang.
5. Manfaatkan pustaka prompt. Pustaka resmi mencakup 13 jenis skenario: menulis ulang kode, menjelaskan kode, membuat kode, mengklasifikasi konten, keluaran terstruktur, bermain peran, prosa dan puisi, kerangka copy, slogan, pembuatan prompt, dan terjemahan Mandarin-Inggris.
6. Terapkan secara lokal bila butuh lingkungan privat. Unduh berkas model dari situs resmi, pasang dependensi, konfigurasikan server dan terapkan, lalu uji dan optimalkan kinerja.

Cocok untuk

• Pengembang dan tim algoritma: meng-host sendiri dengan bobot terbuka atau memakai platform untuk pelatihan, pengelolaan data, dan kendali model.
• Konten dan pemasaran: membuat teks promosi, notulen, dan draf awal dalam jumlah banyak lalu merapikannya secara manual.
• Peran data: mengubah pertanyaan menjadi kueri, membersihkan dan menganalisis data, serta membuat grafik yang cepat menjelaskan kesimpulan.
• Pendidikan dan riset: guru membuat rencana dan materi serta memberi jalur khusus siswa; di matematika Prover-V2 memungkinkan verifikasi bukti formal.
• Organisasi dengan tuntutan kepatuhan: menempatkan model di lingkungan sendiri lewat penerapan lokal agar materi tidak keluar.

Batasan dan hal yang perlu diperhatikan

• Berpikir mendalam lebih lambat. Menampilkan penalaran berarti lebih banyak komputasi dan tunggu, jadi tidak perlu untuk tugas sederhana; materi menyebut R1-0528 dapat menangani tugas tunggal 30 sampai 60 menit, cocok untuk masalah sulit bukan pertanyaan harian.
• Keluaran tetap perlu diperiksa. Model menghasilkan teks yang meyakinkan tetapi bisa salah secara fakta, jadi angka, kutipan, dan kesimpulan harus dicocokkan dengan sumber primer, bukan dianggap sumber fakta.
• Bobot terbuka bukan plug-and-play. Penerapan lokal butuh dependensi, server, dan memori memadai plus penyetelan kinerja; menjalankan jumlah parameter besar di perangkat kecil tidak realistis.
• Versi bergerak cepat. V3, V3.1-Terminus, V3.2, R1, dan R1-0528 berganti dengan kemampuan serta ukuran berbeda, jadi pilihan mengikuti dokumentasi resmi terkini.
• Harga dan kuota dari sumber resmi. Materi tidak memuat harga, batas pemakaian, atau syarat komersial yang terkonfirmasi, jadi biaya dan lisensi diperiksa di halaman resmi, bukan disimpulkan dari artikel ini.

Pertanyaan umum

Lewat apa saja DeepSeek bisa dipakai?

Web, aplikasi, dan ekstensi peramban, ditambah hosting sendiri untuk model terbuka; platform pengembangan mencakup pelatihan dan pengelolaan.

Apa beda V3 dan R1?

V3 adalah model bahasa umum dengan campuran pakar, total 671B dan aktif 37B serta konteks 128K; R1 menempuh jalur penalaran dan memakai pembelajaran penguatan untuk matematika, kode, dan logika.

Berapa banyak teks yang bisa ditangani?

V3 mendukung konteks 128K dan R1-0528 menekankan tugas tunggal 30 sampai 60 menit; batas tepatnya mengikuti dokumentasi resmi.

Bisa diterapkan secara lokal?

Bisa. Alurnya mengunduh berkas model, memasang dependensi dan lingkungan, mengonfigurasi server lalu menerapkan, kemudian menguji dan mengoptimalkan kinerja.