Stärken
- Schrittweises Reasoning
- Stark in Mathematik für seine Größe
- Gewichte unter MIT-Lizenz
Ideal für
- Lokale Reasoning-Aufgaben
- Mathematik und Logik
- Offline-Experimente
In EDDI betreiben
Der schnellste Weg führt über den Manager: Öffnen Sie den Agent-Assistenten oder den Platform Operator und wählen Sie Anbieter und Modell. Wenn Sie es selbst konfigurieren möchten, folgen Sie diesen Schritten für den gewünschten Anbieter.
Ollama (local) · type: "ollama"
Modell-IDs: deepseek-r1:8b
1. Zugangsdaten hinterlegen
Dieser Anbieter verwendet keinen API-Key: Ollama benötigt keinen Schlüssel. Richten Sie baseUrl auf Ihren Ollama-Server; mit dem Ollama-Overlay von EDDI ist das http://ollama:11434.
2. Den LLM-Task konfigurieren
Verwenden Sie dies als langchain.json im Workflow des Agenten, oder fügen Sie die Parameter in den LLM-Editor des Managers ein.
{
"tasks": [
{
"actions": [
"send_message"
],
"id": "chat",
"type": "ollama",
"parameters": {
"baseUrl": "http://ollama:11434",
"model": "deepseek-r1:8b",
"timeout": "120000",
"systemMessage": "You are a helpful assistant",
"addToOutput": "true"
}
}
]
}Hinweise für EDDI
- Reasoning-Modelle denken nach, bevor sie antworten, was in einem Streaming-Chat wie ein Hänger wirken kann. Setzen Sie
"think": "false"für sofortige Antworten und geben Sie dem Task einen großzügigentimeout. - Läuft nach dem Download des Modells vollständig offline und eignet sich daher für Air-Gapped-Umgebungen.
Verwandte Modelle
Quellen
Die Angaben auf dieser Seite stammen aus der Dokumentation des Herstellers, geprüft am 2026-09-30. Modelle ändern sich schnell, bestätigen Sie Limits daher beim Hersteller, bevor Sie sich darauf verlassen. Preise sind hier nicht aufgeführt: siehe die Preisseite des Herstellers.