Favicon de deepseek

DeepSeek: R1 Distill Qwen 1.5B

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

Pesos del 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
Publicado
31 ene 2025
Fecha límite de conocimiento
jul 2024

Actividad

Volumen de tokens y tráfico de solicitudes a este modelo a lo largo del tiempo.

Actualmente no está disponible mediante el enrutamiento dentro de la región de la UE. Documentación de enrutamiento dentro de la región

Preguntas frecuentes