Сравнение Model
DeepSeek-R1-Distill-Qwen-14B
против
Qwen2.5-VL-7B-Instruct
10 февр. 2026 г.
Цены
Input
$
0.1
/ M Tokens
$
0.05
/ M Tokens
Output
$
0.1
/ M Tokens
$
0.05
/ M Tokens
Метаданные
Создать на
20 янв. 2025 г.
26 янв. 2025 г.
Лицензия
MIT LICENSE
APACHE-2.0
Поставщик
DeepSeek
Qwen
Спецификация
Государство
Available
Available
Архитектура
Dense
Vision-Language Model (VLM) combining a Vision Transformer (ViT) with window attention, SwiGLU, and RMSNorm, aligned with the Qwen2.5 LLM structure. It utilizes mRoPE for temporal understanding and YaRN for long text context handling.
Калибровка
Нет
Нет
Смешение экспертов
Нет
Нет
Общее количество параметров
14B
7B
Активированные параметры
14B
7B
Мышление
Нет
Нет
Точность
FP8
FP8
Длина контекста
131K
33K
Максимум Tokens
131K
4K
поддерживается функциональность
Безсерверный
поддерживается
поддерживается
Безсерверный LoRA
Не поддерживается
Не поддерживается
Тонкая настройка
Не поддерживается
Не поддерживается
Embeddings
Не поддерживается
Не поддерживается
Rerankers
Не поддерживается
Не поддерживается
Поддержка Image Input
Не поддерживается
Не поддерживается
Режим JSON
поддерживается
Не поддерживается
Структурированные Outputs
Не поддерживается
Не поддерживается
Инструменты
поддерживается
Не поддерживается
Завершение погашения
поддерживается
Не поддерживается
Chat Префикс Заполнение
Не поддерживается
поддерживается
DeepSeek-R1-Distill-Qwen-14Bв сравнении
Смотрите как DeepSeek-R1-Distill-Qwen-14Bсравнивается с другими популярными моделями по ключевым параметрам.
ВС
Qwen3-VL-32B-Instruct
ВС
Qwen3-VL-32B-Thinking
ВС
Qwen3-VL-8B-Instruct
ВС
Qwen3-VL-8B-Thinking
ВС
Qwen3-VL-30B-A3B-Instruct
ВС
Qwen3-VL-30B-A3B-Thinking
ВС
Qwen3-Omni-30B-A3B-Instruct
ВС
Qwen3-Omni-30B-A3B-Captioner
ВС
Qwen3-Omni-30B-A3B-Thinking
ВС
Qwen3-Next-80B-A3B-Instruct
ВС
Qwen3-Next-80B-A3B-Thinking
ВС
Ling-mini-2.0
ВС
Hunyuan-MT-7B
ВС
gpt-oss-20b
ВС
Qwen3-Coder-30B-A3B-Instruct
ВС
Qwen3-30B-A3B-Thinking-2507
ВС
Qwen3-30B-A3B-Instruct-2507
ВС
GLM-4.1V-9B-Thinking
ВС
Hunyuan-A13B-Instruct
ВС
Qwen3-14B
