少于10行的代码，适应在当时完成 - 级别！ Shen

摘要：包括2025年5月28日深夜的逐步开发教程，Deviceek正式宣布将“测试升级的小版本”完成给用户组，并发布了DeepSeek-R1-0528。 Shengsi Mindspore开源社区的开发人员根据支持的DeepSeekv3迅速改编，在1小时内完成了开发，将代码更改为少于10行，并意识到更换了玻璃和推理活动。测试和验证后，模型的准确性与开源的官方版本相同。 DeepSeek-R1-0528改编自Shengsi版本，是在开放社区和Mole Community Community Resources启动的，该资源为开箱即用的模型提供了开发人员，供开发人员直接使用或二级开发。目前，使用MindSporetransformers大型模型启用套件。这些套件取决于提供的平行功能中丰富的多维杂种通过MindSporeai框架，亲和力开源工具和一般数据格式，以及本地支持大型蒸馏模型的端到端完整处理的开发，该模型提供了出色且方便的发展功能。同时，Mindspore-vllm插件用于拉动和部署Mindspore模型，该模型支持基于VLLM框架的Mindspore模型的推理服务部署。 MINDSPORETRANSFORMERS代码仓库：https：//gitee.com/mindspore/mindformers/mindspore-vllm代码仓库：https：//giteee.com/mindspore/mindspore/mindspore/mindspore bodega代码： DeepSeekv3-0528此时发布主要升级以下功能：1。对双重长度思考的深度增强的思维和思考：每个问题的平均推理令牌从12k增加到23K，而已解决的步骤更加详细（例如Lighting RA的准确性RA的准确性来自70％的87.5％的智能问题。 I幻觉率降低了45〜50％：在摘要和重写等任务中，输出更可靠。 2。编程功能的突破。前端代码生成：一次可以生成1,000多个无错误的代码线，并进行复杂的动态效果（例如天气动画，数据可视化）。多语言支持：PASS@1从63.5％→73.3％到LiveCodeBench测试，可与较高版本的OpenAIO3相当。 3。反对的新机会和经验。工具呼叫（功能调整）：支持对API的外部呼叫，而Tau板板标记达到OpenAIO1高级别。 Puttingi创意写作：长文本结构更完整，更接近人类风格。 API兼容性：接口保持不变，并添加了新的JSON输出支持。 septer by Tutorial DeepSeek-R1-0528 VLLM-MINDSPORE指南指南●deviceek-r1-0528重量模型在BF16中倒数计数，而权重文件是文件的大小为1.3t。自然环境制备：四个Atlas800i A2（64G），以及生成网络的配置，以便可以彼此使用四个设备的卡片。四个设备将镜子拉动单独的Dockerpull Hub.oepkgs.net/oedeploy/opneuler/aarrch64/mindspore:20250529四个设备分别杀死过程，以防止其他PKILL-9 PKILL-9 PYTHON PKILL-9的影响，该过程被认为可以启动四个设备。四个设备的主机名需要不同，但是容器的名称需要相同。 /DATA/DEEPSEEK_R1_0528/用于存储权重和YAML调整文件。所有四个服务器都需要下载权重，并且存储路径必须相同。文件的重量大小为1.3T，需要保留足够的磁盘空间。 dockerrun -it -name = dsr10528 -ipc =主机-network = host -privileged = true -hostname = worker23 \ -device =/dev/dev/dev/davinci0 \ -device =/dev/dev/dev/devinci1e =/dev/davinci4 \ -device =/dev/dev/davinci5 \ -dev ice =/dev/dev/davinci6 \ -device =/dev/dev/dev/davinci7 \ -device =/dev/dev/dev/davinci_manager \ -device =/ -v/usr/local/sbin/：/usr/locar/sbin/sbin/\ \ \ \ \ \ \ \ etc/hccn.conf：/etc/hccn.conf \ -v/usr/usr/local/bin/npu -smi：/usr/usr/usr/usr/usr/local/bin/bin/bin/bin/npu -smi \ -smi \ -v/usr/dcmi/dcmi： -v/usr/local/aScend/driver：/usr/locar/local/ascend/driver \ -v/etc/ascend_instal.info：/etc/ascend_insall.info \ -v/etc/etc/vnpu.cfg：/etc/vnpu.cfg \ cfg \ \ \\\\\\\\\\\\\\\\\\\\\\\\\\\\\\ -V/DATA/DEEPEEK_R1_0528/：/DATA/DEEEPSEEK_R1_0528888888888888888888888888888888888888888888888888888888880 \/bin/bash64/mindspore: 20250428 \/bin/bash and yaml configuration files downloaded four devices and yaml adjusting pipinstall openmind_hub exporthub_white_list_paths =/data/deeepseek_r1_0528 python from theopenmind_hub import snapshot_download snapshot_download （repo_，local_dir =/data/deepeeek_r1_0528，local_dir_use_symlinks = yaml的#modify的#modify重量路径load_checkpoint model：/data/deepSeek_r1_0528/#modify在模型Tokenizer位于的路径上。JSON文件位于tokenizer_file：/deeepseek_r1_0528/tocenizer.json在四个设备的容器中启动variablesran。 ENP189S0F0是IFConfig命令显示的网络卡名称，并根据需要进行调整。 exportMindformers_model_config =/data/deeepseek_r1_0528/peizhi/predict_deepseek_r1_671b.yaml export_custom_custom_path = $ ascend_home_path = $ ascend_home_path/.. export_op_op_op_op_op_op_op_expand_mode_mode_mode_mode_mode = aiv exorth_ss099 exportgloo_socket_ifname = enp189s0f0 exporttp_socket_ifname = enp189s0f0 exporthccl_connect_imeout = 3600 exportascend_rt_visible_devices = 0,1,2,3,4,5,6,7 are the main node and carry out the following command of the Raystart Raystart --head -Port = 6380 The其他三个设备用作第二个节点，并在Raystop raystart -address = Master Node IP：6380 Ulan节点时执行以下命令需要它。需要调整模型的路径IFG。 python3-m vllm_mindspore.entrypoints vllm.entryporate 16384-max-batched-takens = 4096-distributed-execture-execture-ecter-backed = ray-gpu-memory-utilization = 0.93赞助了推断服务请求。如果通过主节点启动请求并打开了新的终端，则IP地址为0.0.0.0或local -Host curlhttp：// localHost：8000/v1/v1/chat/chat/completion \ -h -h -type：application/json/json \ \ \ \ -d {型号/data/data/data/dogation/data/deep _r1_052288_bffffffffffffffffffffffffffffffffffffffffffffffffffffffffff16，ysers;介绍：北京的最高吸引力}，温度：0.1，max_tokens：4096，top_p：0.9，repetition_penty：1.2