亚马逊云科技提供完全托管的DeepSeek-R1模型

近日,亚马逊云科技宣布在Amazon Bedrock上线完全托管的DeepSeek-R1模型。DeepSeek是首个登陆Amazon Bedrock的国产大模型,自今年1月底推出以来,已有数千客户使用Amazon Bedrock的自定义模型导入功能部署了DeepSeek-R1模型。

 

DeepSeek在过去几个月备受业界瞩目,其快速发展的态势及其训练技术受到全球媒体的广泛报道,据报道DeepSeek使其模型比同类产品的成本降低了90-95%,具有更高的性价比。

此次发布进一步扩展了客户在Amazon Bedrock上使用DeepSeek-R1及其蒸馏版本(即经过训练、类似于DeepSeek-R1的小型模型)的方式。

VERYCLOUD睿鸿股份作为亚马逊云科技的高级合作伙伴,帮助客户在Amazon Bedrock上轻松访问完全托管的、Serverless的DeepSeek-R1模型,并将其应用于企业级部署。

 

任何客户均可借助其强大的功能解决复杂的问题、编写代码、处理数据、分析数据等。完全托管的方式使得客户无需担心任何背后复杂的技术设置或运维。通过在Amazon Bedrock上使用DeepSeek-R1,客户可享受亚马逊云科技企业级的安全性,包括数据加密和严格的访问控制,从而确保客户的数据隐私与合规。客户对数据拥有完全控制权,并可以设置如Amazon Bedrock Guardrails等亚马逊云科技推荐的保护措施,以检测和防止模型幻觉。

此前,DeepSeek-R1已在Amazon Bedrock Marketplace上推出,客户可使用自己管理的基础设施运行该模型。此外,客户还可以通过Amazon Bedrock自定义模型导入功能,上传自行微调的DeepSeek-R1蒸馏版Llama模型,将其作为完全托管的模型运行,该功能使客户通过单一API导入和使用其自定义模型以及现有模型。

 

通过将DeepSeek-R1作为完全托管的Serverless模型在Amazon Bedrock中提供,亚马逊云科技持续为广泛的客户提供行业领先的生成式AI模型的最新创新,无论是初创公司还是大型企业,无论其技术能力如何。

亚马逊云科技生成式AI副总裁Vasi Philomin表示:“我们很高兴将DeepSeek-R1引入Amazon Bedrock,这是一款非常先进的模型,不但显著降低了推理成本,同时还具备前沿推理性能。通过与Amazon Bedrock Guardrails等功能结合使用,客户可以实施AI安全护栏,同时获得Amazon Bedrock提供的内置安全与隐私保护。借助这种完全托管的实现方式,客户能够以Serverless按token付费的模式使用该模型,帮助他们无需管理任何基础设施即可实现从实验到生产的规模扩展。”

VERYCLOUD睿鸿股份将持续协助客户更有效地利用AI服务工具,让其更快体验到AI时代所带来的无限可能。

内容来源于:亚马逊云科技

关于我们

VERYCLOUD睿鸿股份

VERYCLOUD睿鸿股份

亚马逊云科技高级合作伙伴

是一家专注于亚马逊云科技的云管理及云服务的服务提供商

是国内第一家CDN Service Delivery合作伙伴

生态圈六大合作伙伴之一

亚马逊云科技2022年度成长之星合作伙伴

荣获的亚马逊云科技能力资质有:

Amazon CloudFront Delivery

Checkride For Amazon Global Security

Migration Services Competency

Amazon Well-Architected

Amazon ISV Accelerate

Amazon Partner-Led Support (PLS)

为用户提供上云过程中从

云评估、云迁移到云管理、云运维的一站式托管服务

产品服务的客户有1000+家

目前已帮助数百家企业成功地解决上云过程中的困扰

节省了大量的人力、时间和成本

VERYCLOUD睿鸿股份的客户领域有

国内知名的互联网公司

国际一流的金融公司

全中国最好的手机通信厂商

提供的服务及解决方案在上述客户中均广受好评

同时,VERYCLOUD睿鸿股份还是

国家高新技术企业、省级专精特新、省级瞪羚企业

获得了ISO 9001/27001等管理体系认证

能够为客户做精准的成本分析和优化建议

帮助企业实现减负增效

致力于为用户在数字化、信息化、智慧化领域

提供极致的用户体验和用户价值

### DeepSeek-R1 模型数据手册获取方式 对于希望获取 DeepSeek-R1 模型数据手册的用户而言,官方提供了详细的文档来辅助理解和应用该模型。具体来说,GitHub 上托管了名为《DeepSeek_R1.pdf》的论文文件,这份文件不仅涵盖了模型架构的设计理念和技术细节,还包含了训练方法以及性能评估等内容[^1]。 为了方便开发者和研究人员更好地利用此资源,在 Hugging Face 平台上也发布了对应的预训练模型版本。然而需要注意的是,直接下载 PDF 文档作为传统意义上的“数据手册”的做法并不常见于现代机器学习项目中;相反,更多时候会通过阅读上述提到的技术报告并结合平台上的说明页面来进行深入了解。 尽管如此,如果确实需要保存本地副本,则可以通过访问 GitHub 链接中的仓库地址找到相关资料,并点击右侧绿色按钮 “Code”,选择 “Download ZIP” 来获得整个项目的压缩包,其中包括所需的 PDF 文件。另一种更为简便的方法是在浏览器中打开链接后右键单击PDF查看器内的文档,随后选择“打印”选项并将目标设置为“另存为 PDF”,以此实现自定义保存路径的目的。 ```bash wget https://github.com/deepseek-ai/DeepSeek-R1/raw/main/DeepSeek_R1.pdf -O DeepSeek_R1_Data_Manual.pdf ``` 以上命令可以用于直接从终端或命令提示符窗口下载指定 URL 的 PDF 文件到当前目录下,并重命名为 `DeepSeek_R1_Data_Manual.pdf` 以便识别。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值