重磅!DeepSeek-R1上线 PPIO派欧云平台

重磅!DeepSeek-R1上线 PPIO派欧云平台


继 DeepSeek V3上线引起热议后,深度求索团队在 1 月 20 日又放大招了——DeepSeek R1。自发布以来,它迅速成为全球科技界的“顶流”,同时 DeepSeek 的应用软件在中美 App Store 登顶,引发了广泛的关注和讨论。

模型特点

学术领域一骑绝尘

在权威的AIME2024测试中,DeepSeek R1取得了高达79.8%的优异成绩,一举超越了OpenAI的o1-1217。在MATH-500测试里,更是以97.3%的傲人成绩拔得头筹,充分证明了其在学术研究方面的强大实力。

编程能力出类拔萃

在Codeforces竞赛平台上,DeepSeek R1的Elo评级达到了2029,超越了96.3%的人类参赛者。不管是复杂算法的编写,还是程序漏洞的排查与修复,它都能迅速给出高质量的解决方案,是编程人员的得力助手。

深度思考能力

具备深度思考模式,在给出答案的同时,还会展示详细的思维链过程,让用户能够清晰地了解AI的思考逻辑。

轻松接入 API

现在,PPIO派欧云已全面集成 DeepSeek R1。作为一站式 AIGC 云服务平台,PPIO派欧云致力于为开发者提供低成本高效率的开发模式。开发者只需一行代码即可轻松调用 API,体验前沿 AI 技术。

👉 查看 API 文档

此外,DeepSeek 还支持基于 R1 的输出结果进行模型蒸馏,官方已同步推出 6 个基于 Qwen 和 Llama 模型的蒸馏模型。近期派欧算力云也会跟进部署,以便广大开发者使用。

我们相信,作为国产之光的 DeepSeek,后续还会带给我们更多惊人的技术创新!

Read more

PPIO发布Agent Runtime:让Agent部署像Serverless一样简单

PPIO发布Agent Runtime:让Agent部署像Serverless一样简单

近期,PPIO 发布了基于 Sandbox(沙箱)自研的新产品:Agent Runtime,一个轻量级的 Agent 运行时框架。 Agent Runtime 是为了顺应 Agent 的专属需求而推出,其定位与 AWS AgentCore Runtime 类似。AgentCore 是 AWS 在 2025 年推出的专为 Agent 设计的基础设施平台,AgentCore Runtime 则是其中一个子产品,是基于 Firecracker 微虚拟机的 Serverless 运行时环境,旨在解决 Agent 低成本、高效率的部署问题。 PPIO Agent Runtime 通过简单易用的 SDK 与强大的沙箱运行环境来简化 Agent 的部署过程。用户无需关心基础设施配置、

By PPIO
当Agent计算规模扩大100倍,我们需要什么样的Agentic Infra?

当Agent计算规模扩大100倍,我们需要什么样的Agentic Infra?

近期,PPIO Sandbox(沙箱)发布了一个重要功能:沙箱克隆。 沙箱克隆旨在助力提高 Agent 的并行计算能力,也就是经典的“Scale up”规模扩展问题。 今年最流行的 Agent 产品是 Deep Research,它可以看作对单个研究问题持续追踪、推演、迭代直到形成洞察的长链路串行推理过程。 那么,如果将 Deep Research 的能力 Scale up 一百倍会发生什么?像 Manus 这样的 Agent 正在解决这类挑战,并将这种并行计算架构的 Agent 称之为 Wide Research。 从 Agent 的串行计算到并行计算,离不开“沙箱克隆”这一核心技术的助力,这是 PPIO 在 Agentic Infra

By PPIO
PPIO上线Kimi K2 Thinking,兼容Anthropic协议

PPIO上线Kimi K2 Thinking,兼容Anthropic协议

今天,PPIO 上线 Kimi K2 Thinking,这是 Kimi 最新、功能最强大的开源思考模型。 Kimi K2 Thinking 基于 Kimi K2 后训练而来的混合专家模型(MoE),总参数达 1T,激活参数 32B,上下文长度 256K。该模型支持深度思考、Function Call、结构化输出、json_schema、json_object 等功能。 现在,你可以到 PPIO 官网在线体现 Kimi K2 Thinking,也可以将 PPIO 的模型 API 部署到 AI 应用中。 PPIO 在线体验地址: https:

By PPIO
PPIO独家上新GPU实例模板,一键部署Kimi-Linear

PPIO独家上新GPU实例模板,一键部署Kimi-Linear

昨晚,月之暗面发布了混合线性注意力架构新模型 Kimi-Linear,旨在解决大语言模型在长上下文推理中的计算瓶颈。 Kimi-Linear 的核心亮点: * Kimi Delta Attention(KDA),一种通过细粒度门控机制改进门控规则的线性注意力架构。 * 混合架构:采用 3:1 的 KDA 与全局 MLA 比例,在保持甚至超越全注意力质量的同时降低内存占用。 * 卓越性能:在 1.4T Token 的训练规模下,经公平对比,KDA 在长文本与类强化学习基准等多项任务上均优于全注意力。 * 高吞吐:在 1M 上下文中实现最高 6 倍的解码吞吐量,显著缩短单输出 Token 耗时(TPOT)。 今天,PPIO 独家上新 GPU 实例模板,可一键部署 Kimi-Linear-48B-A3B-Instruct 的专属模型。 PPIO 算力市场的

By PPIO