DeepSeek · deepseek-r1-distill-qwen-7b
DeepSeek-R1-Distill-Qwen-7B 是一个 70 亿参数的稠密语言模型，它从 DeepSeek-R1 蒸馏而来，利用了由 DeepSeek 更大模型生成的经强化学习增强的推理数据。该蒸馏过程将先进的推理、数学和代码能力转移到了基于 Qwen2.5-Math-7B 的更小、更高效的模型架构中。该模型在数学基准测试（MATH-500 上的 pass@1 为 92.8%）、编程任务（Codeforces 评分为 1189）和通用推理（GPQA Diamond 上的 pass@1 为 49.1%）中展现出强劲的表现，在保持更低推理成本的同时，取得了与更大模型相比具有竞争力的准确率。
DeepSeek-R1-Distill-Qwen-7B 是一个 70 亿参数的稠密语言模型，它从 DeepSeek-R1 蒸馏而来，利用了由 DeepSeek 更大模型生成的经强化学习增强的推理数据。
DeepSeek-R1-Distill-Qwen-7B 是一个 70 亿参数的稠密语言模型，它从 DeepSeek-R1 蒸馏而来，利用了由 DeepSeek 更大模型生成的经强化学习增强的推理数据。该蒸馏过程将先进的推理、数学和代码能力转移到了基于 Qwen2.5-Math-7B 的更小、更高效的模型架构中。该模型在数学基准测试（MATH-500 上的 pass@1 为 92.8%）、编程任务（Codeforces 评分为 1189）和通用推理（GPQA Diamond 上的 pass@1 为 49.1%）中展现出强劲的表现，在保持更低推理成本的同时，取得了与更大模型相比具有竞争力的准确率。
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
| 计价项 | 适用范围 | 官方价格 |
|---|---|---|
| 输入 | 中国大陆 | 0.5 CNY/ 1,000,000 token |
| 输出 | 中国大陆 | 1 CNY/ 1,000,000 token |
这里只算能确认就是这个型号的公开成绩。没成绩不代表它不行，我们也不会给它记 0 分。
可能是没人测过，也可能是名字对不上号。我们宁可空着，也不拿差不多的成绩硬凑。
这个模型还没有可比的综合成绩，下面是它的单项成绩。
同一道题直接问模型，不给它工具。每项都标出参加这项评测的全部模型的中位分和最高分，方便对照。
这个模型还没有可公开的单项成绩。
这不是模型自己的分数。下面的成绩是模型配上评测方的工具和运行环境跑出来的，换一套工具结果就会变。它们不算进上面的档位，也不能拿来排模型强弱。
这个模型还没有出现在 SWE-bench、Terminal-Bench 一类的 Agent 评测里。
Be the first to leave a review.
Be the first to ask a question.
DeepSeek-R1-Distill-Qwen-7B 是一个 70 亿参数的稠密语言模型，它从 DeepSeek-R1 蒸馏而来，利用了由 DeepSeek 更大模型生成的经强化学习增强的推理数据。该蒸馏过程将先进的推理、数学和代码能力转移到了基于 Qwen2.5-Math-7B 的更小、更高效的模型架构中。该模型在数学基准测试（MATH-500 上的 pass@1 为 92.8%）、编程任务（Codeforces 评分为 1189）和通用推理（GPQA Diamond 上的 pass@1 为 49.1%）中展现出强劲的表现，在保持更低推理成本的同时，取得了与更大模型相比具有竞争力的准确率。
DeepSeek-R1-Distill-Qwen-7B 是一个 70 亿参数的稠密语言模型，它从 DeepSeek-R1 蒸馏而来，利用了由 DeepSeek 更大模型生成的经强化学习增强的推理数据。
DeepSeek-R1-Distill-Qwen-7B 是一个 70 亿参数的稠密语言模型，它从 DeepSeek-R1 蒸馏而来，利用了由 DeepSeek 更大模型生成的经强化学习增强的推理数据。该蒸馏过程将先进的推理、数学和代码能力转移到了基于 Qwen2.5-Math-7B 的更小、更高效的模型架构中。该模型在数学基准测试（MATH-500 上的 pass@1 为 92.8%）、编程任务（Codeforces 评分为 1189）和通用推理（GPQA Diamond 上的 pass@1 为 49.1%）中展现出强劲的表现，在保持更低推理成本的同时，取得了与更大模型相比具有竞争力的准确率。
不同地方写法可能不一样，列在这里方便你对上号。名字太模糊、认不准的不会公开。
| 计价项 | 适用范围 | 官方价格 |
|---|---|---|
| 输入 | 中国大陆 | 0.5 CNY/ 1,000,000 token |
| 输出 | 中国大陆 | 1 CNY/ 1,000,000 token |
这里只算能确认就是这个型号的公开成绩。没成绩不代表它不行，我们也不会给它记 0 分。
可能是没人测过，也可能是名字对不上号。我们宁可空着，也不拿差不多的成绩硬凑。
这个模型还没有可比的综合成绩，下面是它的单项成绩。
同一道题直接问模型，不给它工具。每项都标出参加这项评测的全部模型的中位分和最高分，方便对照。
这个模型还没有可公开的单项成绩。
这不是模型自己的分数。下面的成绩是模型配上评测方的工具和运行环境跑出来的，换一套工具结果就会变。它们不算进上面的档位，也不能拿来排模型强弱。
这个模型还没有出现在 SWE-bench、Terminal-Bench 一类的 Agent 评测里。
下面是别人对这个模型做过的检测，按时间从新到旧排。
Verification reports show up here once they are public.
Public reviews will appear here. Sign in to share real usage experience.
Be the first to ask a question.
