AIBOX 全系產品已適配 DeepSeek-R1
國產 AI 大模型 DeepSeek 以出色的性價比和高效的模型技術，迅速成為全球 AI 關注的焦點。Firefly 開源團隊率先實現 AIBOX 系列產品對 DeepSeek-R1 的全面適配。
R1 模型性能數據
DeepSeek-R1 在后訓練階段大規模使用了強化學習技術，在僅有極少標注數據的情況下，極大提升了模型推理能力，目前基于開源的 R1 模型具有 1.5B-70B 可選，這些蒸餾模型更合適進行本地部署在端側使用，用于各行各業的項目落地。
AIBOX 實機演示
Firefly 開源團隊對 DeepSeek-R1 系列的蒸餾模型進行移植，完成 AIBOX 系列產品對 DeepSeek-R1 的全面適配，以下是實機演示：
通過視頻可以看出 DeepSeek-R1-Distill-Qwen-1.5B 在深度思考階段思路清晰，并給出準確回答。同時，從硬件性能方面看，AIBOX在推理階段高達到29.187 token/s，能夠實現準確、快速的 AI 對話。
模型實測情況
以下是 AIBOX 產品的實測結果：
DeepSeek-R1 產品體驗
AIBOX 系列產品具備高性能、低功耗、環境適應性強等特點，算力覆蓋 6-157 TOPS，通過搭配多樣化深度學習算法，為多個智慧行業進行數字化賦能，AIBOX 全系列產品已在 Firefly 官方平臺上線，立即體驗屬于自己的本地化 DeepSeek！
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規問題，請聯系本站處理。
舉報投訴
-
AI
+關注
關注
91文章
39755瀏覽量
301350 -
大模型
+關注
關注
2文章
3648瀏覽量
5177 -
DeepSeek
+關注
關注
2文章
835瀏覽量
3255
發布評論請先 登錄
相關推薦
熱點推薦
百度騰訊搶灘布局！DeepSeek-R1升級和開源背后，國產AI的逆襲之路
電子發燒友網報道（文/李彎彎）日前，DeepSeek官方宣布DeepSeek-R1模型已完成小版本試升級，當前版本為DeepSeek-R1-0528。次日，DeepSeek-R1-05
DeepSeek R1 MTP在TensorRT-LLM中的實現與優化
TensorRT-LLM 在 NVIDIA Blackwell GPU 上創下了 DeepSeek-R1 推理性能的世界紀錄，Multi-Token Prediction (MTP) 實現了大幅提速
速看！EASY-EAI教你離線部署Deepseek R1大模型
1.Deepseek簡介DeepSeek-R1，是幻方量化旗下AI公司深度求索（DeepSeek）研發的推理模型。DeepSeek-R1采用強化學習進行后訓練，旨在提升推理能力，尤其擅
【「DeepSeek 核心技術揭秘」閱讀體驗】--全書概覽
講解Deepseek的使用方法
第三章 深入剖析Deepseek-V3的模型架構、訓練框架、推理階段優化、后訓練優化等關鍵技術
第四章關于DeepSeek-R1的技術剖析
第五章 從宏觀角度分析
發表于 07-21 00:04
Arm Neoverse N2平臺實現DeepSeek-R1滿血版部署
頗具優勢。Arm 攜手合作伙伴，在 Arm Neoverse N2 平臺上使用開源推理框架 llama.cpp 實現 DeepSeek-R1 滿血版的部署，目前已可提供線上服務。
NVIDIA Blackwell GPU優化DeepSeek-R1性能 打破DeepSeek-R1在最小延遲場景中的性能紀錄
本文將探討 NVIDIA TensorRT-LLM 如何基于 8 個 NVIDIA Blackwell GPU 的配置，打破 DeepSeek-R1 在最小延遲場景中的性能紀錄：在 GTC 2025
SAP實施專家解答：如何用DeepSeek-R1實現需求溝通效率倍增
工博科技分享AI工具鏈在IT項目中的深度應用：通過DeepSeek-R1實現智能會議記錄結構化（2小時會議5分鐘生成決策表）和精準多語言文檔翻譯（錯誤率降低14%），幫助IT團隊將重復性工作耗時減少
【幸狐Omni3576邊緣計算套件試用體驗】CPU部署DeekSeek-R1模型（1B和7B）
優化：動態分配計算資源至關鍵token
中文優化：在Wudao Corpus等中文數據集上強化訓練
技術突破：
相比傳統LLM，DeepSeek-R1通過以下創新實現低資源部署：
MoE架構：專家混合層
發表于 04-21 00:39
香橙派發布OrangePi RV2本地部署Deepseek-R1蒸餾模型指南
繼香橙派昇騰系列產品、OrangePi5系列產品完成與DeepSeek模型的深度適配之后，香橙派日前官方發布OrangePiRV2運行Deepsee
NVIDIA RTX 5880 Ada顯卡部署DeepSeek-R1模型實測報告
DeepSeek-R1 模型在 4 張 NVIDIA RTX 5880 Ada 顯卡配置下，面對短文本生成、長文本生成、總結概括三大實戰場景，會碰撞出怎樣的性能火花？參數規模差異懸殊的 70B
如何使用OpenVINO運行DeepSeek-R1蒸餾模型
DeepSeek-R1在春節期間引發了全球科技界的熱度，DeepSeek-R1 是由 DeepSeek 開發的開源推理模型，用于解決需要邏輯推理、數學問題解決和實時決策的任務。
在英特爾哪吒開發套件上部署DeepSeek-R1的實現方式
隨著人工智能技術的快速發展，企業對 AI 模型的部署方式有了更多選擇。本地部署 DeepSeek-R1 模型具有以下顯著優勢，使其成為許多企業和開發者的首選。
DeepSeek-R1：別被它的光環迷了眼，這些能力局限你得知道！
via Reinforcement Learning》以及我多年的產品設計經驗，來好好聊聊 DeepSeek-R1 的那些“小秘密”！ 一，“低情商偏科王
在 MAC mini4 上使用 VSCode 和 Cline 插件對接 Deepseek-R1：32b 的完整指南
作者：算力魔方創始人/英特爾創新大使劉力 一，前言 Deepseek-R1：32b 是一款高性能的 AI 模型，適用于多種編程和開發任務。通過將其與 VSCode 和 Cline 插件結合，開發者
實戰案例 | 299元國產工業級AI核心板部署DeepSeek-R1
前言：在AIoT領域，搭載Ubuntu系統的眺望T527開發板，僅憑2GB內存便成功運行15億參數的DeepSeek-R1輕量級大模型！在邊緣端上演一場算力革命，這一突破性進展不僅刷新了邊緣AI設備
工商網監
評論