LLM EU
Izvēlne
Salīdzināt

DeepSeek R1 Distill Qwen 14B vs DeepSeek-R1

Salīdziniet divus līdz četrus modeļus blakus pēc laukiem, kas nosaka izvietošanu: konteksts, cena, reģions, licence, valodas, mitināšana un tas, kas ir verificēts.

DeepSeek R1 Distill Qwen 14BDeepSeek-R1
Pakalpojumu sniedzējs DeepSeekDeepSeek
Parametri 14.8B684.49B
Konteksta logs Nav verificēts: pakalpojumu sniedzējs nav dokumentējis šo apgalvojumu.131k
Licence mitmit
Modalitātes texttext
Izdošanas datums 2025. g. 20. janv.2025. g. 20. janv.
Valodas Nav verificēts: pakalpojumu sniedzējs nav dokumentējis šo apgalvojumu.Spēcīga: en, zh
Adekvāta: de, fr, es, it, pt, ru, ja, ko
Atvērtie svari jājā
Uzdevumi SpriešanaSpriešana, Kodēšana, Kopsavilkšana

Ja divi modeļi atšķiras, šī tabula parāda atšķirību un apstājas. LLM EU nepublicē uzvarētāja zīmi bez dokumentēta rezultāta šim uzdevumam, un trūkstošs skaitlis paliek trūkstošs, nevis kļūst par nulli.

Kad to izmantot

DeepSeek R1 Distill Qwen 14B

Stiprās puses

  • open weights are published on Hugging Face and can be downloaded without a vendor agreement
  • mit licence, so commercial self-hosting is permitted without a separate agreement

Ierobežojumi

  • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
  • no evaluation has been run by LLM EU
  • the published configuration records no context window, so the card carries none
  • at 14.8B parameters, self-hosting needs a single accelerator with enough memory for the weights

Uzdevumi

Spriešana

DeepSeek-R1

Stiprās puses

  • MIT licence for a 671B-parameter reasoning model
  • published reasoning traces in the base training recipe
  • strong maths scores for a January 2025 release

Ierobežojumi

  • 671B parameters, so self-hosting is expensive
  • reasoning output is verbose and raises token cost
  • superseded by DeepSeek-V3.2 and V4-Flash for most workloads

Uzdevumi

Spriešana, Kodēšana, Kopsavilkšana

Uzdevumi: Spriešana

Salīdzināt modeļus

Salīdzināt modeļus →