关于DeepSeek-R1-Distill-Qwen-1.5B
DeepSeek-R1-Distill-Qwen-1.5B 是基于 Qwen2.5-Math-1.5B 的一个蒸馏模型。该模型使用由 DeepSeek-R1 生成的 800k 精选样本进行了微调，在各种基准测试中表现出色。作为一个轻量级模型，它在 MATH-500 上达到了 83.9% 的准确率，在 AIME 2024 上达到了 28.9% 的通过率，并在 CodeForces 上获得了 954 的评分，展现了超越其参数规模的推理能力。
Explore how DeepSeek-V3's advanced reasoning and coding capabilities translate into real-world applications.
Automated Code Generation & Debugging
Generate, optimize, and debug complex code snippets across various programming languages. The model's strong reasoning helps identify logical errors and suggest efficient solutions.
Use Case Example:
"A software engineer used DeepSeek-V3 to refactor a legacy Python module, resulting in a 40% reduction in code complexity and a 25% improvement in execution speed."
Scientific & Mathematical Research
Assist researchers by solving complex mathematical problems, formulating hypotheses, and analyzing data. Its ability to reason through abstract concepts makes it a powerful tool for scientific discovery.
Use Case Example:
"A physicist modeled a complex quantum mechanics problem, and the model provided a step-by-step derivation that led to a novel insight, which was later verified experimentally."
Intelligent Agent & Tool Integration
Build sophisticated AI agents that can understand user requests, select the appropriate tools (e.g., APIs, databases), and execute multi-step tasks autonomously.
Use Case Example:
"An automated travel assistant powered by DeepSeek-V3 booked a complete itinerary by interacting with flight, hotel, and car rental APIs based on a single natural language request from the user."
Advanced Conversational AI
Create highly engaging and context-aware chatbots, virtual assistants, or role-playing characters for gaming and entertainment. The model excels at maintaining coherent and natural-sounding dialogue.
Use Case Example:
"A gaming company implemented an NPC (Non-Player Character) using the model, which provided dynamic, unscripted interactions that significantly enhanced player immersion."
元数据
规格
州
Deprecated
建筑
校准的
不
专家混合
不
总参数
2B
激活的参数
推理
不
精度
FP8
上下文长度
33K
最大输出长度
与其他模型进行比较
看看这个模型与其他模型相比表现如何。
DeepSeek
chat
DeepSeek-V4-Pro
发行日期：2026年4月24日
上下文长度：
1049K
最大输出长度：
393K
Input:
$
1.74
/ M Tokens
Output:
$
3.48
/ M Tokens
DeepSeek
chat
DeepSeek-V4-Flash
发行日期：2026年4月24日
上下文长度：
1049K
最大输出长度：
393K
Input:
$
0.14
/ M Tokens
Output:
$
0.28
/ M Tokens
DeepSeek
chat
DeepSeek-V3.2
发行日期：2025年12月4日
上下文长度：
164K
最大输出长度：
164K
Input:
$
0.27
/ M Tokens
Output:
$
0.42
/ M Tokens
DeepSeek
chat
DeepSeek-V3.2-Exp
发行日期：2025年10月10日
上下文长度：
164K
最大输出长度：
164K
Input:
$
0.27
/ M Tokens
Output:
$
0.41
/ M Tokens
DeepSeek
chat
DeepSeek-V3.1-Terminus
发行日期：2025年9月29日
上下文长度：
164K
最大输出长度：
164K
Input:
$
0.27
/ M Tokens
Output:
$
1.0
/ M Tokens
DeepSeek
chat
DeepSeek-V3.1
发行日期：2025年8月25日
上下文长度：
164K
最大输出长度：
164K
Input:
$
0.27
/ M Tokens
Output:
$
1.0
/ M Tokens
DeepSeek
chat
DeepSeek-V3
发行日期：2024年12月26日
上下文长度：
164K
最大输出长度：
164K
Input:
$
0.25
/ M Tokens
Output:
$
1.0
/ M Tokens
DeepSeek
chat
DeepSeek-R1
发行日期：2025年5月28日
上下文长度：
164K
最大输出长度：
164K
Input:
$
0.5
/ M Tokens
Output:
$
2.18
/ M Tokens
DeepSeek
chat
DeepSeek-R1-Distill-Qwen-32B
发行日期：2025年1月20日
上下文长度：
131K
最大输出长度：
131K
Input:
$
0.18
/ M Tokens
Output:
$
0.18
/ M Tokens
