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。
可以写下第一条评价。
你可以提出第一个问题。
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。
验真报告公开后会展示在这里。
公开点评会展示在这里，登录后可以提交真实使用体验。
你可以提出第一个问题。
