VerdictPal
Beitreten

Modelle / DeepSeek

DeepSeek R1

DeepSeek R1 · Release 2025-01-20

DeepSeeks Reasoning-Modell Januar 2025. Open Weights, Chain-of-Thought-Stil. MATH 79,8 %, starke AIME-Werte mit Extended Thinking.

Self-Hosting-Reasoning-Route vor V4. Weiter relevant für reproduzierbare CoT-Forschung und lokale Inference-Stacks.

#39 von 51 im AA Index · aktueller Snapshot
20 AA Index · 17 Benchmark-Zeilen · 4 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite55
Kontext128K
Input / 1M$0.55
Output / 1M$2.2
Wissensstichtagopen
Output-Speed0 t/s
TTFT (Default-API)0.00s
Statuslightweight
DeepSeek
KnowledgeReasoningMathCodingAgenticLong contextTool use
Knowledge
87
Reasoning
81
Math
88
Coding
77
Agentic
37
Long context
55
Tool use
72

71average across 7 tested families

Benchmark-Platzierungen

Wo DeepSeek R1 auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
LiveCodeBenchCoding#6/ 1377Artificial Analysis2026-07-21
AIMEMath#7/ 1988DeepSeek R1 model card2025-01-20
MMLU-ProKnowledge#7/ 2185Artificial Analysis2026-07-21
LiveBenchReasoning#9/ 2164LiveBench leaderboard2026-04-15
MMLUKnowledge#14/ 2287DeepSeek R1 model card2025-01-20
MATHMath#16/ 2080DeepSeek R1 model card2025-01-20
BFCLTool use#18/ 2072Berkeley Function Calling Leaderboard V42026-04-15
τ³-Bench BankingAgentic#18/ 6437Artificial Analysis2026-07-21
GPQA DiamondReasoning#46/ 6981Artificial Analysis2026-07-21
SciCodeCoding#50/ 6540Artificial Analysis2026-07-21
Humanity's Last ExamReasoning#51/ 6515Artificial Analysis2026-07-21
AA-LCRLong context#53/ 6455Artificial Analysis2026-07-21
Artificial Analysis Intelligence IndexReasoning#55/ 6720Artificial Analysis2026-07-21
IFBenchReasoning#55/ 5740Artificial Analysis2026-07-21
AA output speedPerformance#61/ 69Artificial Analysis2026-07-21
AA time to first tokenPerformance#61/ 69Artificial Analysis2026-07-21
Terminal-BenchAgentic#62/ 6916Artificial Analysis2026-07-21
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo DeepSeek R1 auftaucht, ist es hervorgehoben.

KnowledgeDeepSeek R1 · 87
  1. 1
    GPT 5.5
    91
  2. 2
    Claude Opus 4.8
    91
  3. 3
    Claude Sonnet 4.6
    91
ReasoningDeepSeek R1 · 81
  1. 1
    Claude Mythos Preview
    95
  2. 2
    GPT-5.6 Sol
    94
  3. 3
    Kimi K3
    94
MathDeepSeek R1 · 88
  1. 1
    OpenAI o3
    99
  2. 2
    OpenAI o1
    97
  3. 3
    Gemini 3 Pro
    96
CodingDeepSeek R1 · 77
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticDeepSeek R1 · 37
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
Long contextDeepSeek R1 · 55
  1. 1
    Kimi K3
    75
  2. 2
    GPT-5.1
    75
  3. 3
    GPT-5.6 Sol
    74
Tool useDeepSeek R1 · 72
  1. 1
    Claude Sonnet 4.6
    89
  2. 2
    GPT 5.5
    87
  3. 3
    Claude Opus 4.8
    87
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für DeepSeek R1 in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

14 neu
BenchmarkFamilyScoreQuelleTage her
AA-LCRLong context54.67%Artificial Analysis2
AA output speedPerformance0 t/sArtificial Analysis2
AA time to first tokenPerformance0.00sArtificial Analysis2
Artificial Analysis Intelligence IndexReasoning20.1%Artificial Analysis2
GPQA DiamondReasoning81.3%Artificial Analysis2
Humanity's Last ExamReasoning14.9%Artificial Analysis2
IFBenchReasoning39.59%Artificial Analysis2
LiveCodeBenchCoding77%Artificial Analysis2
MMLU-ProKnowledge84.9%Artificial Analysis2
SciCodeCoding40.3%Artificial Analysis2
τ³-Bench BankingAgentic36.55%Artificial Analysis2
Terminal-BenchAgentic15.91%Artificial Analysis2
BFCLTool use72.4%Berkeley Function Calling Leaderboard V499
LiveBenchReasoning64.1%LiveBench leaderboard99
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Knowledge87
Reasoning81
Math88
Coding77
Agentic37
Long context55
Tool use72
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30input USD / 1M tokens · log scale →← intelligence

Hover or tab any dot for name, score, and input price.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMiniMaxxAIMetaZhipuXiaomiMeituanCohere

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für DeepSeek R1. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

17 Quell-Zeilen

17 of 32 catalog benchmarks have a sourced row for DeepSeek R1.

Knowledge

Reasoning

Math

Coding

Agentic

Long context

Tool use

Performance

Quellen