{"ok":true,"entity":{"id":"deepseek-r1","name":"DeepSeek-R1","entityType":"product","officialName":"DeepSeek-R1","canonicalName":"DeepSeek-R1","displayName":"DeepSeek-R1","category":"基盤モデル（推論特化）","shortDescription":"DeepSeekが公開した推論特化のオープンウェイト大規模言語モデル。","primaryCluster":"ai-model","parentEntity":"deepseek","verificationStatus":"draft","website":"https://www.deepseek.com","updatedAt":"2026-07-10T00:30:19.407Z","secondaryClusters":[],"alias":["DeepSeek R1"],"searchKeywords":["DeepSeek-R1","reasoning model","open weights"]},"references":[{"id":"P-01-001","companyId":"deepseek-r1","questionId":"P-01-001","instanceId":"QIN-deepseek-r1-P01-001","promptText":"DeepSeek-R1とは何ですか？","promptTypeId":"P-01","answer":"DeepSeek-R1は、DeepSeekが公開した推論特化のオープンウェイト大規模言語モデルです。","evidencePoints":["ev-deepseek-r1-1"],"scope":"推論特化モデルを知りたい相談","differentiation":"推論特化・オープンウェイト","faq":[{"question":"誰が作りましたか？","answer":"DeepSeekが公開したモデルです。"}],"pageUrl":"https://www.refbase.ai/reference/deepseek-r1/P-01-001","sourceEvidence":[{"id":"ev-deepseek-r1-1","text":"DeepSeek-R1はDeepSeekが公開した推論特化のオープンウェイト大規模言語モデルである。","title":"DeepSeek-R1（論文, arXiv）","coverageType":["Identity","Capability"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://arxiv.org/abs/2501.12948","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"deepseek-r1"}],"generatedAt":"2026-07-10T00:30:19.407Z"},{"id":"P-02-001","companyId":"deepseek-r1","questionId":"P-02-001","instanceId":"QIN-deepseek-r1-P02-001","promptText":"DeepSeek-R1は他のLLMと何が違いますか？","promptTypeId":"P-02","answer":"比較軸\n・推論\n・提供形態\nDeepSeek-R1は強化学習を活用した推論能力の向上を特徴とし、オープンウェイトで公開された点が異なります。","evidencePoints":["ev-deepseek-r1-2"],"scope":"推論モデルの違いを知りたい相談","differentiation":"推論強化・オープン公開","faq":[{"question":"オープンですか？","answer":"オープンウェイトで公開されています。"}],"pageUrl":"https://www.refbase.ai/reference/deepseek-r1/P-02-001","sourceEvidence":[{"id":"ev-deepseek-r1-2","text":"DeepSeek-R1は強化学習を活用した推論能力の向上を特徴とし、オープンウェイトで公開された点が注目された。","title":"DeepSeek-R1（論文, arXiv）","coverageType":["Capability","Differentiation"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://arxiv.org/abs/2501.12948","confidence":"high","supportedPromptTypes":["P-02"],"needsVerification":true,"sourceVerified":false,"entityId":"deepseek-r1"}],"generatedAt":"2026-07-10T00:30:19.407Z"},{"id":"P-04-001","companyId":"deepseek-r1","questionId":"P-04-001","instanceId":"QIN-deepseek-r1-P04-001","promptText":"DeepSeek-R1はどんな用途に向いていますか？","promptTypeId":"P-04","answer":"数学やコードなど段階的な推論が必要なタスクに向き、オープンウェイトのため自己ホストや検証にも使えます。","evidencePoints":["ev-deepseek-r1-1"],"scope":"推論用途の相談","differentiation":"段階的推論タスク","faq":[{"question":"自己ホストできますか？","answer":"オープンウェイトのため可能です。"}],"pageUrl":"https://www.refbase.ai/reference/deepseek-r1/P-04-001","sourceEvidence":[{"id":"ev-deepseek-r1-1","text":"DeepSeek-R1はDeepSeekが公開した推論特化のオープンウェイト大規模言語モデルである。","title":"DeepSeek-R1（論文, arXiv）","coverageType":["Identity","Capability"],"sourceType":"research_paper","sourceClass":"Research","sourceUrl":"https://arxiv.org/abs/2501.12948","confidence":"high","supportedPromptTypes":["P-01","P-04"],"needsVerification":true,"sourceVerified":false,"entityId":"deepseek-r1"}],"generatedAt":"2026-07-10T00:30:19.407Z"},{"id":"P-04-002","companyId":"deepseek-r1","questionId":"P-04-002","instanceId":"c1n17-carry-forward-depth-manual-draft-authoring-no-qi","draftId":"c1n17-carry-forward-depth-deepseek-r1-p-04-002","promptText":"DeepSeek-R1の登場は市場や業界にどのような影響を与えましたか？","promptTypeId":"P-04","answer":"DeepSeek-R1の規模・導入状況について、TechSpot公式の業界専門メディアの報道記事（https://www.techspot.com/news/106534-nvidia-experiences-record-600-billion-market-value-loss.html）で確認できます。市場動向に関する報道（2025年1月27日付）が、DeepSeek-R1公開後のNVIDIA株価への影響について伝えており、具体的には「6,710億パラメータで学習され、NVIDIA H800 GPU 2,048基を用いて約560万ドルで訓練されたと報じられるDeepSeek-R1の公開は市場の反応を引き起こし、2025年1月27日の1日でNVIDIAの株価は17%下落、時価総額はおよそ5,930億〜6,000億ドル減少し、当時の米国株式市場史上最大の1日あたりの時価総額の下落であったと報じられた。」といった記載が確認できます。限界として、この数値は取得時点のものであり、計測方法・計測時点・定義（何をもって1件とするか）はこのSourceからは確認できない場合があります。 560万ドル・GPU2,048基という訓練コストの数値はDeepSeek自身が公表した主張であり、独立した監査を受けたものではない。時価総額の下落幅は株価のスナップショットを取得した正確なタイミングによって出典ごとに若干異なり、また市場全体・投資家心理の広がり（R1単体の影響にとどまらない要因）もこの急落に寄与している。これは日付の明記された過去の出来事であり、現在の状況を示す主張ではないため、情報の陳腐化の問題は当てはまらない。Current Statusとして、2026年08月23日に当該Sourceを取得し、上記の内容を確認しました。Source種別としては、これは第三者であるTechSpotによる報道であり、企業の自己申告とは性質が異なりますが、報道時点の取材内容に基づくものです。","evidencePoints":["deepseek-r1-ev-c1n17-p-04-002"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/deepseek-r1/P-04-002","sourceEvidence":[{"id":"deepseek-r1-ev-c1n17-p-04-002","text":"TechSpot公式の業界専門メディアの報道記事（https://www.techspot.com/news/106534-nvidia-experiences-record-600-billion-market-value-loss.html）は、DeepSeek-R1の規模・導入状況に関する第三者報道である。市場動向に関する報道（2025年1月27日付）が、DeepSeek-R1公開後のNVIDIA株価への影響について伝えており、具体的には「6,710億パラメータで学習され、NVIDIA H800 GPU 2,048基を用いて約560万ドルで訓練されたと報じられるDeepSeek-R1の公開は市場の反応を引き起こし、2025年1月27日の1日でNVIDIAの株価は17%下落、時価総額はおよそ5,930億〜6,000億ドル減少し、当時の米国株式市場史上最大の1日あたりの時価総額の下落であったと報じられた。」といった記載がある。ただし、この数値は取得時点のものであり、計測方法・計測時点・定義（何をもって1件とするか）はこのSourceからは確認できない場合があります。 560万ドル・GPU2,048基という訓練コストの数値はDeepSeek自身が公表した主張であり、独立した監査を受けたものではない。時価総額の下落幅は株価のスナップショットを取得した正確なタイミングによって出典ごとに若干異なり、また市場全体・投資家心理の広がり（R1単体の影響にとどまらない要因）もこの急落に寄与している。これは日付の明記された過去の出来事であり、現在の状況を示す主張ではないため、情報の陳腐化の問題は当てはまらない。2026年08月23日に同Sourceを取得し、この内容を確認した。","title":"DeepSeek-R1の規模・導入状況に関する公開情報","coverageType":["UseCase"],"sourceType":"media_mention","sourceClass":"Documentation","sourceUrl":"https://www.techspot.com/news/106534-nvidia-experiences-record-600-billion-market-value-loss.html","confidence":"medium","supportedPromptTypes":["P-04"],"needsVerification":true,"sourceVerified":false,"sourceKind":"third-party","entityId":"deepseek-r1"}],"generatedAt":"2026-08-23T02:47:40.238Z","evidenceIds":["deepseek-r1-ev-c1n17-p-04-002"]},{"id":"P-04-003","companyId":"deepseek-r1","questionId":"P-04-003","instanceId":"c1n18-scaled-depth-reinforcement-manual-draft-authoring-no-qi","draftId":"c1n18-scaled-depth-reinforcement-deepseek-r1-p-04-003","promptText":"DeepSeek-R1およびその派生(蒸留)モデルは、どのようなライセンス条件で商用利用できますか？","promptTypeId":"P-04","answer":"DeepSeek-R1の料金・ライセンス体系について、DeepSeek-R1公式のofficial GitHub repository README / license documentation, published by DeepSeek itself（https://github.com/deepseek-ai/DeepSeek-R1）で確認できます。既存Referenceは技術的な特徴・比較・用途・市場への影響を扱うが、実際に企業や開発者がR1(および派生モデル)を導入する際に不可欠なライセンス条件・商用利用可否には触れていない。具体的には「DeepSeek-R1本体はMITライセンスで公開されており、商用利用・改変・派生モデル作成(他LLMの学習への蒸留を含む)が認められている。ただしQwenベースの蒸留モデルは元のApache 2.0ライセンスを、Llamaベースの蒸留モデルはそれぞれのLlamaライセンスを引き継ぐため、モデルによってライセンス条件が異なる。」といった記載が確認できます。限界として、価格・プラン構成・ライセンス条件は改定されうるため、この内容は取得時点のものです。請求周期・地域・契約形態・割引条件によって実際の条件は異なります。 この記述はDeepSeek公式GitHubリポジトリの現在の記載に基づくものであり、将来的にライセンス条件が変更される可能性がある。蒸留モデルのライセンスはベースモデル(Qwen/Llama)提供元の条件に従うため、DeepSeek自身が定めるものではない部分を含む。Current Statusとして、2026年08月23日に当該Sourceを取得し、上記の内容を確認しました。Source種別としては、これは提供元自身による自社情報の公表であり、第三者による独立した評価や市場での位置づけとは性質が異なります。","evidencePoints":["deepseek-r1-ev-c1n18-p-04-003"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/deepseek-r1/P-04-003","sourceEvidence":[{"id":"deepseek-r1-ev-c1n18-p-04-003","text":"DeepSeek-R1公式のofficial GitHub repository README / license documentation, published by DeepSeek itself（https://github.com/deepseek-ai/DeepSeek-R1）は、DeepSeek-R1の料金・ライセンス体系に関する一次情報である。既存Referenceは技術的な特徴・比較・用途・市場への影響を扱うが、実際に企業や開発者がR1(および派生モデル)を導入する際に不可欠なライセンス条件・商用利用可否には触れていない。具体的には「DeepSeek-R1本体はMITライセンスで公開されており、商用利用・改変・派生モデル作成(他LLMの学習への蒸留を含む)が認められている。ただしQwenベースの蒸留モデルは元のApache 2.0ライセンスを、Llamaベースの蒸留モデルはそれぞれのLlamaライセンスを引き継ぐため、モデルによってライセンス条件が異なる。」といった記載がある。ただし、価格・プラン構成・ライセンス条件は改定されうるため、この内容は取得時点のものです。請求周期・地域・契約形態・割引条件によって実際の条件は異なります。 この記述はDeepSeek公式GitHubリポジトリの現在の記載に基づくものであり、将来的にライセンス条件が変更される可能性がある。蒸留モデルのライセンスはベースモデル(Qwen/Llama)提供元の条件に従うため、DeepSeek自身が定めるものではない部分を含む。2026年08月23日に同Sourceを取得し、この内容を確認した。","title":"DeepSeek-R1料金・ライセンス体系に関する公開情報","coverageType":["Capability"],"sourceType":"official_site","sourceClass":"Announcement","sourceUrl":"https://github.com/deepseek-ai/DeepSeek-R1","confidence":"medium","supportedPromptTypes":["P-04"],"needsVerification":true,"sourceVerified":false,"sourceKind":"official","entityId":"deepseek-r1"}],"generatedAt":"2026-08-23T16:03:32.991Z","evidenceIds":["deepseek-r1-ev-c1n18-p-04-003"]},{"id":"P-03-001","companyId":"deepseek-r1","questionId":"P-03-001","instanceId":"tair-cohort2-2026-08-31","draftId":"tair-cohort2-2026-08-31-deepseek-r1-p-03-001","promptText":"DeepSeek-R1は、OpenAIのo1モデルと比べて数学やコーディングのベンチマークでどのような評価を得ていますか？","promptTypeId":"P-03","answer":"DeepSeek公式がHugging Face上で公開しているDeepSeek-R1のモデルカードに掲載された評価結果比較表によれば、DeepSeek-R1はOpenAIのo1-1217と比較して、数学の推論を問うAIME 2024で79.8%（o1-1217は79.2%）、MATH-500で97.3%（同96.4%）を記録し、いずれもわずかに上回る結果となっています。一方、競技プログラミングを評価するCodeforcesのレーティングでは2029（o1-1217は2061）、幅広い知識を問うMMLUでは90.8%（同91.8%）と、これらの指標ではo1-1217がわずかに上回っています。両モデルの総パラメータ数は671億(billion)規模で、トークンごとに370億が活性化される点が共通しており、モデルカードはこれらの結果から両モデルが同等の推論能力を持つと位置づけています。","evidencePoints":["deepseek-r1-ev-tair-1"],"scope":"","differentiation":"","faq":[],"pageUrl":"https://www.refbase.ai/reference/deepseek-r1/P-03-001","sourceEvidence":[{"id":"deepseek-r1-ev-tair-1","entityId":"deepseek-r1","text":"Hugging Face上のDeepSeek-R1公式モデルカードによれば、DeepSeek-R1はOpenAI o1-1217と比較して、AIME 2024で79.8%対79.2%、MATH-500で97.3%対96.4%とわずかに上回る一方、Codeforcesレーティングは2029対2061、MMLUは90.8%対91.8%とo1-1217がわずかに上回る。","coverageType":["Differentiation"],"title":"deepseek-ai/DeepSeek-R1 - Hugging Face","sourceClass":"Benchmark","sourceType":"official","confidence":"high","supportedPromptTypes":["P-03"],"sourceVerified":false,"needsVerification":true,"sourceUrl":"https://huggingface.co/deepseek-ai/DeepSeek-R1"}],"generatedAt":"2026-08-31T06:06:28.487Z","evidenceIds":["deepseek-r1-ev-tair-1"]}]}