DeepSeek-R1-Distill-Qwen-32B

русскоязычная

DeepSeek-R1-Distill-32B — дистиллированная модель, построенная на базе Qwen2.5-32B вобравшая в себя лучшие reasoning-алгоритмы DeepSeek-R1 и экспертные знания. Она устанавливает новые рекорды среди открытых dense-моделей по ряду reasoning-бенчмарков: AIME 2024–72.6%, MATH-500–94.3% и т.д. Модель практически ничем не уступает дистиллированной версии в 70 млрд параметров, а по некоторым тестам даже превосходит ее.

Технически модель предназначена для решения задач экспертного уровня: сложные математические вычисления, генерация и анализ кода, научные исследования, обработка длинных и сложных контекстов. DeepSeek-R1-Distill-32B может быть интегрирована в корпоративные системы, облачные сервисы и платформы для автоматизации интеллектуального труда. В пользовательских сценариях модель незаменима для построения экспертных систем, научных ассистентов, платформ для автоматизации сложных бизнес-процессов и образовательных решений, требующих хороших объяснений в ответе.

DeepSeek-R1-Distill-32B — выбор для тех, кто ищет максимальную производительность среди открытых моделей без необходимости перехода к самым тяжеловесным системам.


Дата анонса: 20.01.2025
Параметров: 32.8B
Контекст: 131K
Тип внимания: Full or Sliding Window Attention
Потребление памяти: 47.3 ГБ в точности 4 бит
Разработчик: DeepSeek
Версия Transformers: 4.43.1
Лицензия: Apache 2.0

Публичный эндпоинт

Воспользуйтесь нашими готовыми публичными эндпоинтами для теста инференса и знакомства с DeepSeek-R1-Distill-Qwen-32B.
Наименование модели Контекст Тип GPU TPS Статус Ссылка
Для данной модели пока нет публичных эндпоинтов.

Частный сервер

Арендуйте собственный физически выделенный инстанс с почасовой оплатой или на длительный срок с помесячной оплатой.

Мы рекомендуем создание частных инстансов в случаях, если необходимо:

  • получить максимальную производительность эндпоинта,
  • получить полный контекст для обработки больших запросов и диалогов,
  • обеспечить максимальную безопасность, для обработки данных в выделенном изолированном пространстве,
  • использовать кастомизированные веса: fine-tuned версии или lora-адаптеры.

Рекомендуемые конфигурации для хостинга DeepSeek-R1-Distill-Qwen-32B

Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslaa10-3.16.96.160 16 98304 160 3 119,81 ₽ Запустить
teslat4-4.16.64.160 16 65536 160 4 131,77 ₽ Запустить
rtx3090-3.16.96.160 16 98304 160 3 218,81 ₽ Запустить
teslaa100-1.16.64.160 16 65536 160 1 230,77 ₽ Запустить
rtx5090-2.16.64.160 16 65536 160 2 261,77 ₽ Запустить
rtx4090-3.16.96.160 16 98304 160 3 288,11 ₽ Запустить
teslah100-1.16.64.160 16 65536 160 1 456,27 ₽ Запустить
Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslaa10-3.16.96.160 16 98304 160 3 119,81 ₽ Запустить
rtx3090-3.16.96.160 16 98304 160 3 218,81 ₽ Запустить
teslaa100-1.16.128.160 16 131072 160 1 242,04 ₽ Запустить
rtx4090-3.16.96.160 16 98304 160 3 288,11 ₽ Запустить
rtx5090-3.16.96.160 16 98304 160 3 387,41 ₽ Запустить
teslah100-1.16.128.160 16 131072 160 1 467,54 ₽ Запустить
Цены:
Наименование vCPU ОЗУ, МБ Диск, ГБ GPU Цена, час
teslaa100-2.24.256.160 24 262144 160 2 477,97 ₽ Запустить
rtx5090-4.16.128.160 16 131072 160 4 513,04 ₽ Запустить
teslah100-2.24.256.160 24 262144 160 2 928,97 ₽ Запустить

Связанные модели

QwQ
Qwen2-0.5B
Qwen2-1.5B
Qwen2-7B
Qwen2-72B
Qwen2.5-0.5B
Qwen2.5-1.5B
Qwen2.5-3B
Qwen2.5-7B
Qwen2.5-14B
Qwen2.5-32B
Qwen2.5-72B
Qwen2-57B-A14B
DeepSeek-R1-Distill-Qwen-1.5B
Qwen2.5-VL-3B
Qwen2.5-VL-7B
Qwen2.5-7B-1M

Остались вопросы?

Свяжитесь с нашей специализированной группой поддержки по нейросетям nn@immers.cloud или отправьте ваш запрос в отдел продаж sale@immers.cloud.