首發！PPIO派歐云上線DeepSeek-R1-0528-Qwen3-8B蒸餾模型

DeepSeek R1 系列的模型更新還在繼續。

繼昨天 PPIO派歐云首發上線 DeepSeek-R1-0528 模型后，今天 PPIO 再次首發 DeepSeek 最新開源的蒸餾模型 DeepSeek-R1-0528-Qwen3-8B。

DeepSeek-R1-0528-Qwen3-8B 是將 DeepSeek-R1-0528 的思維鏈提取出來，用于對 Qwen3 8B Base 進行后訓練而得到的蒸餾模型。該 8B 模型在數學測試 AIME 2024 中僅次于 DeepSeek-R1-0528，超越 Qwen3-8B （+10.0%），與 Qwen3-235B 相當。

現在，你可以在 PPIO 平臺快速體驗該系列模型：DeepSeek-R1-0528-Qwen3-8B

同時，DeepSeek-R1-0528-Qwen3-8B 的價格與基本信息也一并發布：

1. DeepSeek-R1-0528-Qwen3-8B 實測

DeepSeek 本次更新的 R1 系列模型在數學、編程與通用邏輯等多個基準測評中取得了當前國內所有模型中首屈一指的優異成績，并且在整體表現上已接近其他國際頂尖模型，如 o3 與 Gemini-2.5-Pro。

因此，我們分別測試了 DeepSeek-R1-0528-Qwen3-8B 在數學、編碼與通用邏輯的表現。

數學題：

提示詞：“用你所掌握的數學知識，用11、6、4、13計算出24。”

DeepSeek-R1-0528-Qwen3-8B 在第一次沒有得出正確答案。

當告訴它可以不局限于四則運算法則，DeepSeek-R1-0528-Qwen3-8B 得出了一個答案，用到了指數運算。

這道題的正確答案是用階乘：((13-4)-(11-6)！=24。

編程

提示詞：生成一個網頁版的貪吃蛇游戲。

將 DeepSeek-R1-0528-Qwen3-8B 給到的代碼另存為html文件后在瀏覽器中打開，是一個審美很在線的貪吃蛇小游戲。

通用邏輯

提示詞：未來的某天，李同學在實驗室制作超導磁懸浮材料時，意外發現實驗室的老鼠在空中飛，分析發現，是因為老鼠不小心吃了磁懸浮材料。第二天，李同學又發現實驗室的蛇也在空中飛，分析發現，是因為蛇吃了老鼠。第三天，李同學又發現實驗室的老鷹也在空中飛，你認為其原因是？

這個問題，DeepSeek-R1-0528-Qwen3-8B 的邏輯是嚴謹的，但更準確的答案應該是：老鷹本來就會飛。

這是一道經典的大模型測試題，目前市面上的大模型還無一答對。

2. 如何在 PPIO 體驗 DeepSeek-R1-0528-Qwen3-8B？

• 直接在模型廣場體驗（無須代碼）

到 PPIO派歐云官網注冊后，找到模型廣場下的 DeepSeek-R1-0528-Qwen3-8B 模型直接進行體驗。快速入口：DeepSeek-R1-0528-Qwen3-8B

• 在第三方平臺上集成 DeepSeek-R1-0528-Qwen3-8B

除了在 PPIO 模型廣場直接體驗，你也可以通過第三方應用來調用 PPIO API 的能力。目前 PPIO 支持在 20+ 主流平臺中調用平臺模型，具體包括：

• 通用對話客戶端：CherryStudio、Chatbox、LobeChat、Nextchat、ChatHub

• 通用AI助手：OpenManus、UI-TARS

• 代碼開發工具：Cursor、CLINE

• 開發/ API 平臺：Dify、OneAPI、RAGFlow、FastGPT

• 生產力套件集成：Word、WPS Office AI，這些是辦公軟件集成AI功能。

• 智能翻譯工具：沉浸式翻譯、歐路詞典、流暢閱讀、沉浸式導讀。

• 知識管理工具：思源筆記、Obsidian、AnythingLLM

詳細教程：https://ppio.cn/docs/third-party/overview

3.? ?在自己開發的應用程序中集成 API （針對開發人員）

如果你有自己開發的應用程序，也可以通過 PPIO 的 API 接口，將 DeepSeek-R1-0528-Qwen3-8B 無縫集成到你的應用程序、工作流或聊天機器人。PPIO 提供多語言 SDK（cURL、Python、JavaScript 等）。

如果是單輪或多輪對話應用、輕量集成、普通 chatbot 項目，可直接調用 API。以 Python 為例：

from openai import OpenAIbase_url = "https://api.ppinfra.com/v3/openai"
api_key = "<您的 API Key>"
model = "deepseek/deepseek-r1-0528-qwen3-8B"client = OpenAI(base_url=base_url,api_key=api_key,
)stream = True # or False
max_tokens = 1000response_format = { "type": "text" }chat_completion_res = client.chat.completions.create(model=model,messages=[{"role": "user","content": "Hi there!",}],stream=stream,extra_body={})if stream:for chunk in chat_completion_res:print(chunk.choices[0].delta.content or "", end="")
else:print(chat_completion_res.choices[0].message.content)

主要特點：

• OpenAI 兼容接口：使用 /v3/openai 統一接口，兼容 openai.ChatCompletion 調用方式。

• 無需部署模型：無需管理模型權重或基礎設施，后端完全托管。

• 輸出方式：支持流式和一次性返回

如果是構建復雜的多代理工作流，比如使用 OpenAI Agents SDK，可以按照以下方式操作：

（1）前置條件：獲取 API Base URL 以及 PPIO LLM API key；

（2）設置 Python 環境并安裝 Agents SDK，輸入以下代碼即可完成操作：

python -m venv env
source env/bin/activate
pip install openai-agents==0.0.7

以輸出功能為例。運行前，請確保已設置 PPIO API KEY 和 DeepSeek-R1-0528-Qwen3-8B 環境變量。

import os
from openai import AsyncOpenAI
from agents import (Agent,Runner,set_default_openai_api,set_default_openai_client,set_tracing_disabled,
)BASE_URL = "https://api.ppinfra.com/v3/openai"
API_KEY = "在此處粘貼 PPIO 官網的 API Key" #此處需修改
MODEL_NAME = "deepseek/deepseek-r1-0528-qwen3-8B"# 基于PPIO不支持responses API，因此我們使用chat completions API作為示例
set_default_openai_api("chat_completions")
set_default_openai_client(AsyncOpenAI(base_url=BASE_URL, api_key=API_KEY))# 在此示例中禁用追蹤# 如需使用自定義追蹤處理器，請參考：https://openai.github.io/openai-agents-python/tracing/#external-tracing-processors-list
set_tracing_disabled(disabled=True)agent = Agent(name="Assistant",instructions="You are a helpful assistant", model=MODEL_NAME)result = Runner.run_sync(agent, "Write a haiku about recursion in programming.")
print(result.final_output)#輸出示例：
# Code within the code,
# Functions calling themselves,
# Infinite loop's dance.