Trải nghiệm khi dùng DeepSeek-R1
Cách nhanh nhất để thấy DeepSeek-R1 làm gì là vào chat.deepseek.com, đăng nhập rồi bật nút DeepThink. Khi hỏi một bài toán hay một câu khó, bạn thấy mô hình viết ra cả đoạn "suy nghĩ" trước, thử cách này cách kia, tự kiểm tra, rồi mới đưa đáp án. Cảm giác giống nhìn một học sinh giỏi nháp bài trước khi chép đáp án sạch.
Nếu muốn chạy trên máy mình, bạn thường không chạy bản 671 tỷ tham số (cần cả cụm máy chủ) mà dùng các bản distill nhỏ như 7B, 8B, 14B, 32B. Cách dễ nhất cho người thường là qua Ollama: một lệnh ollama run deepseek-r1 là có khung chat ngay trên máy. Các bản này được tinh chỉnh từ mô hình Qwen và Llama dựa trên dữ liệu do DeepSeek-R1 sinh ra, nên mang lối suy luận từng bước nhưng không mạnh bằng bản gốc.
Một điều cần nhớ khi dùng: vì mô hình viết dài phần suy nghĩ nên câu trả lời thường lâu hơn các mô hình chat thường, và tốn nhiều token (mẩu chữ AI đọc/viết) hơn. Đổi lại, nó thường đáng giá với các bài cần lập luận như toán, lập trình, phân tích logic.
Tính năng nổi bật
Suy luận từng bước
Mô hình viết quá trình nghĩ trước khi trả lời, giúp bạn đọc lại lập luận và dễ phát hiện chỗ nó sai.
Mã nguồn mở, giấy phép MIT
Trọng số và mã trong repo dùng giấy phép MIT, cho phép dùng thương mại, sửa đổi và chưng cất để huấn luyện mô hình khác (xem lưu ý riêng cho các bản distill).
Nhiều kích cỡ để chọn
Ngoài bản 671B, có sáu bản distill: 1,5B, 7B, 8B, 14B, 32B và 70B tham số, từ máy yếu đến máy chủ mạnh.
Có web chat và API
Chat tại chat.deepseek.com bằng nút DeepThink, hoặc dùng API tương thích OpenAI ở platform.deepseek.com nếu không muốn tự chạy.
Chạy được qua công cụ quen thuộc
Các bản distill dùng như mô hình Qwen hoặc Llama bình thường nên chạy được qua vLLM, SGLang và, theo thư viện của Ollama, cả Ollama.
Tận dụng DeepSeek-R1 vào việc gì?
Học sinh, sinh viên
Giải bài toán và bài logic từng bước
Nhờ mô hình giải và xem cách nó lập luận để học cách làm, nhưng luôn tự kiểm tra lại đáp án.
Lập trình viên
Hỗ trợ viết và sửa code
Hỏi những bài thuật toán hoặc lỗi khó, để mô hình phân tích từng bước trước khi đề xuất cách sửa.
Người thích tự chạy AI
Chạy trợ lý suy luận ngay trên máy
Dùng bản distill 7B đến 14B qua Ollama cho các việc nội bộ, không phải gửi tài liệu lên dịch vụ ngoài.
Nhà nghiên cứu AI
Nghiên cứu và huấn luyện mô hình
Đọc báo cáo kỹ thuật (file PDF trong repo) và dùng các bản distill làm nền để thử nghiệm hoặc tinh chỉnh tiếp.
Cần chuẩn bị gì?
- Bản đầy đủ DeepSeek-R1 và R1-Zero có 671 tỷ tham số (37 tỷ kích hoạt mỗi lần), độ dài ngữ cảnh 128K; cần hạ tầng máy chủ rất lớn, README trỏ sang repo DeepSeek-V3 để xem cách chạy.
- Các bản distill nhỏ (1,5B, 7B, 8B, 14B) chạy được trên máy cá nhân, nhưng README không nêu yêu cầu RAM/VRAM cụ thể; hãy xem dung lượng ghi trên trang mô hình ở nơi bạn tải.
- Bản 32B và 70B cần card đồ hoạ mạnh hoặc nhiều card; ví dụ lệnh vLLM trong README cho bản 32B dùng
--tensor-parallel-size 2(hai GPU). - Nếu chạy cục bộ qua Ollama: cài Ollama trước; nếu dùng web/API: tài khoản DeepSeek.
Hướng dẫn cài đặt chi tiết
Cài trên Ollama (dễ nhất)
Cài Ollama từ ollama.com (xem trang Ollama trong Kho Repo). Thư viện của Ollama có mục deepseek-r1 với nhiều kích cỡ; xem trang ollama.com/library/deepseek-r1 để biết các tag và dung lượng thực tế.
https://ollama.com/library/deepseek-r1Mở Terminal hoặc PowerShell và chạy lệnh dưới. Lần đầu máy sẽ tải mô hình về. Muốn chọn kích cỡ khác, thêm tag sau dấu hai chấm theo danh sách trên trang thư viện.
ollama run deepseek-r1Lưu ý: các tag nhỏ trong Ollama là bản distill, không phải mô hình 671B đầy đủ.
Cài trên Web / API
Chat trực tiếp: vào trang dưới, đăng nhập và bật nút DeepThink để dùng chế độ suy luận.
https://chat.deepseek.comDùng qua lập trình: đăng ký ở DeepSeek Platform để lấy API key. README ghi API tương thích OpenAI.
https://platform.deepseek.com/
Cài trên Tải trọng số (nâng cao)
Trọng số của từng mô hình nằm trên Hugging Face, ví dụ bản distill Qwen 7B. Bấm vào trang mô hình để xem hướng dẫn tải và dung lượng.
https://huggingface.co/deepseek-ai/DeepSeek-R1-Distill-Qwen-7BChạy máy chủ bằng vLLM theo ví dụ trong README (bản 32B, hai GPU). Cần cài vLLM và có phần cứng phù hợp.
vllm serve deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --tensor-parallel-size 2 --max-model-len 32768 --enforce-eagerHoặc dùng SGLang, cũng theo README.
python3 -m sglang.launch_server --model deepseek-ai/DeepSeek-R1-Distill-Qwen-32B --trust-remote-code --tp 2Lưu ý: README ghi rõ Transformers của Hugging Face chưa hỗ trợ trực tiếp bản DeepSeek-R1 đầy đủ.
Dùng thử lần đầu
Cài Ollama rồi chạy mô hình suy luận.
ollama run deepseek-r1Hỏi một bài toán cần nhiều bước, ví dụ: Một cửa hàng giảm 20 phần trăm rồi giảm tiếp 10 phần trăm, tổng cộng giảm bao nhiêu phần trăm. Quan sát phần suy nghĩ hiện ra trước câu trả lời.
Với bài toán, thêm câu dặn theo gợi ý của DeepSeek: Hãy suy luận từng bước và ghi đáp án cuối cùng trong \boxed{}.
Đưa mọi chỉ dẫn vào ngay trong câu hỏi, không đặt lời dặn hệ thống riêng, vì README khuyên không dùng system prompt cho dòng mô hình này.
Nếu chạy qua công cụ cho chỉnh được nhiệt độ (temperature), đặt trong khoảng 0,5 đến 0,7 và khuyến nghị 0,6 để tránh lặp lại vô tận hoặc trả lời lộn xộn.
Mẹo dùng hay
- Theo khuyến nghị trong README: đặt temperature quanh 0,6, không dùng system prompt, và đưa mọi hướng dẫn vào lời nhắn của người dùng.
- Với bài toán, thêm câu "suy luận từng bước và đặt đáp án cuối trong \boxed{}" để mô hình trình bày gọn.
- Máy yếu thì bắt đầu từ bản distill nhỏ (7B/8B) rồi mới thử lớn hơn; mô hình vượt quá RAM hoặc VRAM sẽ chạy rất chậm.
- Khi chạy qua web của hãng, cân nhắc không đưa dữ liệu nhạy cảm vì nội dung được gửi lên máy chủ của họ.
Lưu ý và hạn chế
- Bản DeepSeek-R1 đầy đủ rất lớn, người dùng cá nhân gần như không tự chạy được. Bản distill nhỏ chạy được nhưng kém hơn bản gốc nhiều, nên đừng so sánh điểm benchmark của bản lớn với bản nhỏ.
- Các con số benchmark trong README do chính DeepSeek công bố, chưa phải kết quả kiểm chứng độc lập; chất lượng thực tế với tiếng Việt và với việc của bạn có thể khác. Trên web chính thức, hãy cân nhắc quyền riêng tư dữ liệu và quy định nơi bạn làm việc.
- Giấy phép các bản distill còn chịu điều khoản của mô hình nền: bản dựa trên Qwen theo Apache 2.0, bản Llama 8B theo giấy phép Llama 3.1 và bản Llama 70B theo giấy phép Llama 3.3. Đọc kỹ trước khi dùng thương mại.
Câu hỏi thường gặp
DeepSeek-R1 có miễn phí không?
Trọng số mở miễn phí dưới giấy phép MIT, bạn có thể tải và chạy. Chat trên web của hãng có thể dùng được; còn API tính phí theo mức sử dụng nên hãy xem bảng giá tại platform.deepseek.com.
Máy yếu có chạy được không?
Bản gốc 671B thì không. Bản distill nhỏ như 1,5B hay 7B có thể chạy trên laptop thông thường qua Ollama, chỉ chậm hơn nếu không có card đồ hoạ. Hãy chọn bản vừa với RAM của bạn.
Có dùng được tiếng Việt không?
README không đánh giá riêng tiếng Việt. Mô hình chủ yếu được báo cáo trên tiếng Anh và tiếng Trung, nên với tiếng Việt hãy tự thử và so sánh, đặc biệt với các bản nhỏ.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/deepseek-ai/DeepSeek-R1.gitRepo tương tự nên xem
Ollama
ollama / ollama
Tải và chạy mô hình AI như Gemma, Qwen, DeepSeek ngay trên máy tính của bạn chỉ với một lệnh
DeepSeek-V3
deepseek-ai / DeepSeek-V3
Mô hình ngôn ngữ mã nguồn mở cỡ 671 tỷ tham số của DeepSeek, dùng qua chat web, API hoặc máy chủ GPU riêng
Qwen3
QwenLM / Qwen3
Dòng mô hình AI mở của Alibaba Qwen, nhiều cỡ từ 0,6 tỷ đến 235 tỷ tham số, chạy được trên laptop qua Ollama