Favicon de deepseek

DeepSeek: R1 Distill Qwen 1.5B

deepseek/deepseek-r1-distill-qwen-1.5b

Pesos do modelo

DeepSeek R1 Distill Qwen 1.5B is a distilled large language model based on Qwen 2.5 Math 1.5B, using outputs from DeepSeek R1. It's a very small and efficient model which outperforms GPT 4o 0513 on Math Benchmarks.

Other benchmark results include:

  • AIME 2024 pass@1: 28.9
  • AIME 2024 cons@64: 52.7
  • MATH-500 pass@1: 83.9

The model leverages fine-tuning from DeepSeek R1's outputs, enabling competitive performance comparable to larger frontier models.

Modalidades
Contexto
131K
Lançado
31 de jan. de 2025
Data de corte do conhecimento
jul. de 2024

Atividade

Volume de tokens e tráfego de requisições para este modelo ao longo do tempo.

Atualmente indisponível por meio do roteamento intrarregional da UE. Documentação de roteamento na região

Perguntas frequentes