DeepSeekSprachmodell
DeepSeek-R1-Distill-Qwen-32B
Für DeepSeek-R1-Distill-Qwen-32B gibt es noch keinen Wert im Gesamtindex, weil zu wenige unabhängige Benchmark-Ergebnisse vorliegen.
BeliebtheitPlatz 80 von 785
52von 100+12 zum Vormonat
beruht auf Suche, Nutzung und Aufmerksamkeit
Zusammenfassung
DeepSeek-R1-Distill-Qwen-32B bringt von DeepSeek-R1 erzeugte Reasoning-Daten in einen dichten Qwen2.5-32B-Checkpoint. Die Modellkarte nennt 131.072 Token Kontext und MIT; die R1-Ausrichtung kommt ohne die MoE-Struktur und Größe des Originals.
Die Modellkarte dokumentiert keine native Tool-Calling-Schnittstelle.
Alle Benchmark-Werte
Jeder veröffentlichte Messwert mit Quelle, Testbedingungen und Vergleichsmodellen.
Alle 63 veröffentlichten Benchmark-Werte anzeigen
Seite 1 von 6
Messungen ohne passende Vergleichswerte
Für diese Messungen fehlen passende Vergleichswerte unter gleichen Testbedingungen. Die Originalwerte und Quellen bleiben hier nachlesbar.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 22.9251700680272
- Bewertung
- 22.9251700680272
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- superseded
- Abrufdatum
- 2026-10-19
- Methodik
- Exakte AA-Konfiguration: DeepSeek R1 Distill Qwen 32B (Release deepseek-r1-distill-qwen-32b, Zeile deepseek-r1-distill-qwen-32b, UUID df95f83f-5ebb-466a-9d2d-b95efc8c012c, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/df95f83f-5ebb-466a-9d2d-b95efc8c012c/deepseek-r1-distill-qwen-32b/deepseek-r1-distill-qwen-32b. Name des Quellmodells: DeepSeek R1 Distill Qwen 32B. Anbieter laut Quelle: DeepSeek. Modellstand: DeepSeek R1 Distill Qwen 32B. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Angezeigter Wert: 22,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-10-19-8a022369738c. Prüfsumme der Quelldaten: 8a022369738cbe2a0e2f9bf486a2882865dbb0c6f1396dfec84059a802560e3c. Parserversion: artificial-analysis-rsc-models-v2. Importiert am: 2026-10-19. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:tokens=2000:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: DeepSeek R1 Distill Qwen 32B (Release deepseek-r1-distill-qwen-32b, Zeile deepseek-r1-distill-qwen-32b, UUID df95f83f-5ebb-466a-9d2d-b95efc8c012c, reasoning=true, source reasoning-token configuration budget=2000, suffix=nicht angegeben). Der konfigurierte Wert ist kein gemessener Tokenverbrauch. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 22.9251700680272
- Bewertung
- 22.9251700680272
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- superseded
- Abrufdatum
- 2026-11-02
- Methodik
- Exakte AA-Konfiguration: DeepSeek R1 Distill Qwen 32B (Release deepseek-r1-distill-qwen-32b, Zeile deepseek-r1-distill-qwen-32b, UUID df95f83f-5ebb-466a-9d2d-b95efc8c012c, reasoning=true, effort=nicht angegeben, suffix=nicht angegeben). AA-Quellenwert für durchschnittliche Reasoning-Tokens vor der Antwort: 2.000. Die Methodik mittelt 60 unterschiedliche Prompts und setzt 2.000 an, wenn kein Durchschnitt verfügbar ist. Das ist kein Tokenlimit. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/df95f83f-5ebb-466a-9d2d-b95efc8c012c/deepseek-r1-distill-qwen-32b/deepseek-r1-distill-qwen-32b. Name des Quellmodells: DeepSeek R1 Distill Qwen 32B. Anbieter laut Quelle: DeepSeek. Modellstand: DeepSeek R1 Distill Qwen 32B. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Angezeigter Wert: 22,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-02-67d46be20a5b. Prüfsumme der Quelldaten: 67d46be20a5b412db6cfb60ad190441fcaa5513500b8fd47d033168d0e97b6b2. Parserversion: artificial-analysis-rsc-models-v3. Importiert am: 2026-11-02. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: DeepSeek R1 Distill Qwen 32B (Release deepseek-r1-distill-qwen-32b, Zeile deepseek-r1-distill-qwen-32b, UUID df95f83f-5ebb-466a-9d2d-b95efc8c012c, reasoning=true, effort=nicht angegeben, suffix=nicht angegeben). AA-Quellenwert für durchschnittliche Reasoning-Tokens vor der Antwort: 2.000. Die Methodik mittelt 60 unterschiedliche Prompts und setzt 2.000 an, wenn kein Durchschnitt verfügbar ist. Das ist kein Tokenlimit. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.. Dieser Wert wird als historische Evidenz geführt und ist nicht mit aktuellen Ergebnissen gleichzusetzen.
IFBench: Overall (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 22.9251700680272
- Bewertung
- 22.9251700680272
- Messgröße
- IFBench prompt-level loose accuracy (pass@1)
- Einheit
- %
- Benchmark-Version
- AA test set: 294 questions
- Kategorie
- general
- Aufgabe
- overall
- Aufgabenbezeichnung
- Overall
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Artificial Analysis
- Status
- active
- Abrufdatum
- 2026-11-07
- Methodik
- Exakte AA-Konfiguration: DeepSeek R1 Distill Qwen 32B (Release deepseek-r1-distill-qwen-32b, Zeile deepseek-r1-distill-qwen-32b, UUID df95f83f-5ebb-466a-9d2d-b95efc8c012c, reasoning=true, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Kennung des Quellmodells: artificial-analysis/df95f83f-5ebb-466a-9d2d-b95efc8c012c/deepseek-r1-distill-qwen-32b/deepseek-r1-distill-qwen-32b. Name des Quellmodells: DeepSeek R1 Distill Qwen 32B. Anbieter laut Quelle: DeepSeek. Modellstand: DeepSeek R1 Distill Qwen 32B. Evaluator: Artificial Analysis. Datensatztyp: artificial-analysis-evaluation. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled. Angezeigter Wert: 22,9 %. Quellenkennung: artificial-analysis. Kennung der Evidenzaufnahme: aa-model-page-2026-11-07-b96e3ffc8c5b. Prüfsumme der Quelldaten: b96e3ffc8c5b052aa56f96d05e89d02b8cc234a75085820fca0ca2a39e498274. Parserversion: artificial-analysis-rsc-models-v4. Importiert am: 2026-11-07. Quellenkohorte: artificial-analysis-ifbench:AA test set: 294 questions:standalone:reasoning:effort=unspecified:suffix=unspecified
- Vergleichsmethodik
- Exakte AA-Konfiguration: DeepSeek R1 Distill Qwen 32B (Release deepseek-r1-distill-qwen-32b, Zeile deepseek-r1-distill-qwen-32b, UUID df95f83f-5ebb-466a-9d2d-b95efc8c012c, reasoning=true, effort=nicht angegeben, suffix=nicht angegeben). Diese Quellenfassung enthält keine durchschnittliche Reasoning-Tokenzahl. Artificial Analysis führt 294 Fragen aus dem IFBench-Testdatensatz mit fünf Wiederholungen je Frage aus. Der offizielle Evaluator bewertet die Genauigkeit je Prompt im Modus loose als pass@1.. Werkzeugrichtlinie: Single-turn answer evaluated with the official IFBench source code. Versuche: pass@1, 5 repeats per question. Reasoning: reasoning enabled
- Einordnung
- Die Angabe von 58 bezieht sich auf die verifizierbaren Out-of-Domain-Bedingungstypen, nicht auf die Zahl der Fragen im AA-Testlauf.
DocPuzzle overall accuracy (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 39.7
- Bewertung
- 39.7
- Messgröße
- Process-aware long-context QA accuracy
- Einheit
- %
- Benchmark-Version
- DocPuzzle, arXiv:2502.17807v1
- Kategorie
- slow-thinking-reasoning
- Richtung
- Mehr ist besser
- Stichprobe
- 100
- Quellentyp
- community-reported
- Auswertung
- DocPuzzle: A Process-Aware Benchmark for Evaluating Realistic Long-Context Reasoning Capabilities
- Status
- disputed
- Abrufdatum
- 2026-10-18
- Methodik
- Community-Messung. Exakte Zeile DeepSeek-R1-Distill-Qwen-32B in Tabelle 3. Für dieses Modell nennt der Beitrag temperature 0.3, top_p 0.2 und top_k 0, dazu GPT-4o als Judge, Mehrheitsentscheid über drei ähnliche Evaluationsprompts und den Mittelwert aus drei Evaluationsläufen. Der genaue Endpunkt ist nicht angegeben.
- Einordnung
- Das Abstract nennt für DeepSeek-R1-Distill-Qwen-32B 41,3 %, während Tabelle 3 diesem Modell 39,7 % und QwQ-32B-Preview 41,3 % zuordnet. Die Tabelle ist die einzige eindeutige modellbezogene Zeile, der interne Widerspruch bleibt jedoch als strittig gekennzeichnet. Total=100; drei Evaluationsläufe mitteln denselben Aufgabensatz und bedeuten nicht N=300. Einzelwerte pro Lauf und Konfidenzintervall sind nicht veröffentlicht.
GPQA Diamond accuracy, FFS (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 62.6
- Bewertung
- 62.6
- Messgröße
- accuracy (exact-answer match)
- Einheit
- %
- Benchmark-Version
- GPQA Diamond (revision not stated)
- Richtung
- Mehr ist besser
- Stichprobe
- 198
- Quellentyp
- independent-evaluator
- Auswertung
- Agarwal et al., First Finish Search: Efficient Test-Time Scaling in Large Language Models, arXiv:2505.18149v1
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Agarwal et al. berichten eine Zero-shot-Auswertung ohne zusätzliches Fine-Tuning. First Finish Search (FFS) startet n=4 unabhängige stochastische Samples pro Aufgabe und gibt die zuerst abgeschlossene Spur zurück; Beamgröße 1, top_p=0.95, Temperatur 0.6. Die Auswertung lief über die DeepInfra-API. Für GPQA Diamond betrug die maximale Generierungslänge 16K Tokens. Eine Antwort gilt als korrekt, wenn die gewählte Option exakt der richtigen Antwort entspricht.
- Einordnung
- Die Quelle nennt kein Konfidenzintervall und keine unveränderliche anbieterseitige Serving-Revision. Laut Paper umfasst GPQA Diamond 198 Fragen.
AIME24 accuracy, FFS (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 80
- Bewertung
- 80
- Messgröße
- accuracy (exact-answer match)
- Einheit
- %
- Benchmark-Version
- AIME24 (revision not stated)
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Agarwal et al., First Finish Search: Efficient Test-Time Scaling in Large Language Models, arXiv:2505.18149v1
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Agarwal et al. berichten eine Zero-shot-Auswertung ohne zusätzliches Fine-Tuning. First Finish Search (FFS) startet n=4 unabhängige stochastische Samples pro Aufgabe und gibt die zuerst abgeschlossene Spur zurück; Beamgröße 1, top_p=0.95, Temperatur 0.6. Die Auswertung lief über die DeepInfra-API. Für AIME24 betrug die maximale Generierungslänge 32K Tokens. Abbildungen wurden entfernt und Aufgaben in Text umgewandelt; gewertet wurde die Übereinstimmung der letzten Ganzzahl.
- Einordnung
- Das Paper nennt insgesamt 60 Aufgaben für AIME24, AIME25-I und AIME25-II, aber kein N je Datensatz. Konfidenzintervalle und eine unveränderliche anbieterseitige Serving-Revision werden nicht angegeben.
AIME25-I accuracy, FFS (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 59.6
- Bewertung
- 59.6
- Messgröße
- accuracy (exact-answer match)
- Einheit
- %
- Benchmark-Version
- AIME25-I (revision not stated)
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Agarwal et al., First Finish Search: Efficient Test-Time Scaling in Large Language Models, arXiv:2505.18149v1
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Agarwal et al. berichten eine Zero-shot-Auswertung ohne zusätzliches Fine-Tuning. First Finish Search (FFS) startet n=4 unabhängige stochastische Samples pro Aufgabe und gibt die zuerst abgeschlossene Spur zurück; Beamgröße 1, top_p=0.95, Temperatur 0.6. Die Auswertung lief über die DeepInfra-API. Für AIME25-I betrug die maximale Generierungslänge 32K Tokens. Abbildungen wurden entfernt und Aufgaben in Text umgewandelt; gewertet wurde die Übereinstimmung der letzten Ganzzahl.
- Einordnung
- Das Paper nennt insgesamt 60 Aufgaben für AIME24, AIME25-I und AIME25-II, aber kein N je Datensatz. Konfidenzintervalle und eine unveränderliche anbieterseitige Serving-Revision werden nicht angegeben.
AIME25-II accuracy, FFS (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 46.7
- Bewertung
- 46.7
- Messgröße
- accuracy (exact-answer match)
- Einheit
- %
- Benchmark-Version
- AIME25-II (revision not stated)
- Richtung
- Mehr ist besser
- Quellentyp
- independent-evaluator
- Auswertung
- Agarwal et al., First Finish Search: Efficient Test-Time Scaling in Large Language Models, arXiv:2505.18149v1
- Status
- active
- Abrufdatum
- 2026-10-19
- Methodik
- Unabhängige Evaluation. Agarwal et al. berichten eine Zero-shot-Auswertung ohne zusätzliches Fine-Tuning. First Finish Search (FFS) startet n=4 unabhängige stochastische Samples pro Aufgabe und gibt die zuerst abgeschlossene Spur zurück; Beamgröße 1, top_p=0.95, Temperatur 0.6. Die Auswertung lief über die DeepInfra-API. Für AIME25-II betrug die maximale Generierungslänge 32K Tokens. Abbildungen wurden entfernt und Aufgaben in Text umgewandelt; gewertet wurde die Übereinstimmung der letzten Ganzzahl.
- Einordnung
- Das Paper nennt insgesamt 60 Aufgaben für AIME24, AIME25-I und AIME25-II, aber kein N je Datensatz. Konfidenzintervalle und eine unveränderliche anbieterseitige Serving-Revision werden nicht angegeben.
LiveCodeBench v2 Pass@1, DeepSeek-R1-Distill-Qwen-32B, Zero-Shot (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 69.1
- Bewertung
- 69.1
- Messgröße
- Pass@1
- Einheit
- %
- Benchmark-Version
- LiveCodeBench v2
- Kategorie
- code generation
- Richtung
- Mehr ist besser
- Stichprobe
- 511
- Quellentyp
- independent-evaluator
- Auswertung
- Dacheng Li et al., S*: Test Time Scaling for Code Generation (arXiv:2502.14382v1)
- Status
- active
- Abrufdatum
- 2026-10-21
- Methodik
- Unabhängige Evaluation. Baseline ohne Testzeit-Skalierung (Tabellenzeile „Zero-Shot“). LiveCodeBench v2 mit 511 Aufgaben; Pass@1.
- Einordnung
- Das Paper berichtet einen Durchlauf pro Experiment. Es nennt weder ein genaues Ausführungsdatum noch einen unveränderlichen Gewichts-Hash oder ein Konfidenzintervall.
LiveCodeBench v2 Pass@1, DeepSeek-R1-Distill-Qwen-32B, Majority Vote (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 75.8
- Bewertung
- 75.8
- Messgröße
- Pass@1
- Einheit
- %
- Benchmark-Version
- LiveCodeBench v2
- Kategorie
- code generation
- Richtung
- Mehr ist besser
- Stichprobe
- 511
- Quellentyp
- independent-evaluator
- Auswertung
- Dacheng Li et al., S*: Test Time Scaling for Code Generation (arXiv:2502.14382v1)
- Status
- active
- Abrufdatum
- 2026-10-21
- Methodik
- Unabhängige Evaluation. 16 parallele Antworten, Clustering nach Ausführungsergebnissen und zufällige Auswahl aus dem größten Cluster. GPT-4o mini erzeugt die Clustering-Eingaben für Reasoning-Modelle. LiveCodeBench v2 mit 511 Aufgaben; Pass@1.
- Einordnung
- Das Paper berichtet einen Durchlauf pro Experiment. Es nennt weder ein genaues Ausführungsdatum noch einen unveränderlichen Gewichts-Hash oder ein Konfidenzintervall.
LiveCodeBench v2 Pass@1, DeepSeek-R1-Distill-Qwen-32B, Self-Debugging (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 70.1
- Bewertung
- 70.1
- Messgröße
- Pass@1
- Einheit
- %
- Benchmark-Version
- LiveCodeBench v2
- Kategorie
- code generation
- Richtung
- Mehr ist besser
- Stichprobe
- 511
- Quellentyp
- independent-evaluator
- Auswertung
- Dacheng Li et al., S*: Test Time Scaling for Code Generation (arXiv:2502.14382v1)
- Status
- active
- Abrufdatum
- 2026-10-21
- Methodik
- Unabhängige Evaluation. Eine Antwort wird iterativ mit öffentlichen Tests in zwei Runden überarbeitet; bei Reasoning-Modelle überarbeitet das Modell selbst. LiveCodeBench v2 mit 511 Aufgaben; Pass@1.
- Einordnung
- Das Paper berichtet einen Durchlauf pro Experiment. Es nennt weder ein genaues Ausführungsdatum noch einen unveränderlichen Gewichts-Hash oder ein Konfidenzintervall.
LiveCodeBench v2 Pass@1, DeepSeek-R1-Distill-Qwen-32B, S* (Messwert, Testbedingungen und Quelle anzeigen)
- Originalwert
- 85.7
- Bewertung
- 85.7
- Messgröße
- Pass@1
- Einheit
- %
- Benchmark-Version
- LiveCodeBench v2
- Kategorie
- code generation
- Richtung
- Mehr ist besser
- Stichprobe
- 511
- Quellentyp
- independent-evaluator
- Auswertung
- Dacheng Li et al., S*: Test Time Scaling for Code Generation (arXiv:2502.14382v1)
- Status
- active
- Abrufdatum
- 2026-10-21
- Methodik
- Unabhängige Evaluation. 16 parallele Samples bei Temperatur 0,7 ohne top-p-Sampling; zwei Runden iteratives Debugging mit öffentlichen Tests und adaptive Eingabegenerierung für die Auswahl. LiveCodeBench v2 mit 511 Aufgaben; Pass@1.
- Einordnung
- Das Paper berichtet einen Durchlauf pro Experiment. Es nennt weder ein genaues Ausführungsdatum noch einen unveränderlichen Gewichts-Hash oder ein Konfidenzintervall.
Seite 1 von 6
Beliebtheit im Vergleich
Wie oft das Modell gesucht, genutzt und erwähnt wird, im Vergleich mit allen Modellen dieser Kategorie.
Beliebtheitsindex
Die 100 beliebtesten Modelle dieser Kategorie, 0 bis 100, höher ist beliebter
20 von 100 Modellen
Stand November 2026 · Quelle: gradually.ai Beliebtheitsindex
Zeitlicher Verlauf
Wochenwerte vom 18. Oktober 2026 bis 7. November 2026
DeepSeek-R1-Distill-Qwen-32BMagistral Small 53Nemotron 3.5 Super VL 120B A12B 53Spark-X2.5-4B 52Gemini 3.7 Flash 52
Methodenwechsel im Verlauf, ein Sprung an dieser Stelle ist kein Marktereignis:
- 11. November 2026: Wert nur mit Such- oder Nutzungsdaten, 30-Tage-Aufmerksamkeit
Was gerade an Beliebtheit gewinnt, steht für Modelle, Anbieter, Harnesses und KI-Abos gesammelt in Alle KI-Trends.
Ähnliche Modelle
Weitere Modelle derselben Art wie DeepSeek-R1-Distill-Qwen-32B, ausgewählt nach Modellreihe, Anbieter, Größe, Preis und Erscheinungsdatum.
- DeepSeek-R1-Distill-Llama-70BDeepSeek · gleicher Anbieter
- DeepSeek R1 0528 Qwen3 8BDeepSeek · gleicher Anbieter
- DeepSeek LLM 67BDeepSeek · gleicher Anbieter
- DeepSeek-R1DeepSeek · gleicher Anbieter
- DeepSeek-V3DeepSeek · gleicher Anbieter
- DeepSeek-V3 0324DeepSeek · gleicher Anbieter
- DeepSeek Coder V2DeepSeek · gleicher Anbieter
- DeepSeek-R1 0528DeepSeek · gleicher Anbieter
Alle technischen Daten
Architektur
Ein- und Ausgabe
Wasserzeichen und Herkunft
KI-Wasserzeichen meint unsichtbare Signale in der Ausgabe. Sichtbare Zeichen und Herkunftsmetadaten sind getrennt aufgeführt. Unbekannt bedeutet, dass für die jeweilige Angabe kein ausreichender Beleg vorliegt.
- KI-Wasserzeichen
- Unbekannt
- ohne Quelle
- Wasserzeichen-Technik
- Nicht bekannt
- ohne Quelle
Lizenz und Zugang
Häufige Fragen zu DeepSeek-R1-Distill-Qwen-32B
Wie groß ist das Kontextfenster von DeepSeek-R1-Distill-Qwen-32B?
131.072 Token. So viel Text liest DeepSeek-R1-Distill-Qwen-32B auf einmal, das sind rund 200 A4-Seiten.
Seitenzahl als Faustregel nach Artificial Analysis
GLM-5.1200 Tsd.
DeepSeek-V3 0324164 Tsd.
DeepSeek-R1-Distill-Qwen-32BPlatz 94 von 103131 Tsd.
GLM-4.5131 Tsd.
GPT OSS 120B131 Tsd.
DeepSeek-V3.2128 Tsd.
DeepSeek-R1128 Tsd.
Kann ich DeepSeek-R1-Distill-Qwen-32B lokal nutzen?
Ja, die Gewichte sind offen.
Angaben von DeepSeek
- Offene Gewichte
- ja
- Lizenz
- MIT
- Parameter
- 32 Mrd.
- davon aktiv je Token
- k. A.
Quellen und Datenstand
Alle 27 Quellen anzeigen
Benchmarkquellen im Überblick
Welche unabhängigen Auswerter dieses Modell getestet haben. Das ist Abdeckung, keine Qualitätsrangliste.
| Auswerter | Testreihen | Gesamtindizes | Erfasste aktive Messwerte |
|---|---|---|---|
| Artificial Analysis | 1 | 0 | 1 |
Ohne Herstellerangaben sowie historische oder strittige Ergebnisse; diese stehen gekennzeichnet bei den Einzelwerten.
| Art | Nachweis und Datenstand |
|---|---|
| Eingabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Ausgabe | Dokumentierte Modalitäten. Abgerufen am 27. Oktober 2026. |
| Recherchestand | Recherchestand 15. Oktober 2026. 18 Quellen-URLs geprüft. Das dokumentiert die geprüften Quellen, nicht sämtliche Veröffentlichungen zu diesem Modell. |
| Nicht veröffentlicht | task-snapshots Hinweis Die Modellkarte nennt für MATH-500, GPQA Diamond und LiveCodeBench weder genaue Ausführungsdaten noch Aufgaben-Snapshots. |
| Nicht veröffentlicht | codeforces-rating-protocol Hinweis Die Modellkarte veröffentlicht ein CodeForces-Rating von 1691, aber weder den Wettbewerbs-Snapshot noch das Rating-Verfahren. |
| Nicht veröffentlicht | immutable served model revision and exact endpoint Hinweis Die ergänzte Quellenzeile nennt das Modell, veröffentlicht aber keine unveränderliche Serving-Revision und, soweit zutreffend, keinen genauen Provider-Endpunkt. Es wird kein Ergebnis auf eine datierte Geschwistervariante übertragen. |
| Nicht veröffentlicht | unreported uncertainty metadata Hinweis Nicht veröffentlichte Konfidenzintervalle und Fallzahlen je Unterkategorie bleiben leer. Angezeigte ±-Werte mit undefinierter Bedeutung werden nicht in Intervalle umgedeutet. |
| Weitere Quelle | Hugging Face (abgerufen 15. Oktober 2026) · DeepSeek-R1-Distill-Qwen-32B model card · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | Artificial Analysis (abgerufen 19. Oktober 2026; 2. November 2026; 7. November 2026) |
| Weitere Quelle | PsyCrisisBench authors, arXiv v1 Supplementary Table 4 (abgerufen 17. Oktober 2026) |
| Weitere Quelle | DocPuzzle: A Process-Aware Benchmark for Evaluating Realistic Long-Context Reasoning Capabilities (abgerufen 18. Oktober 2026) |
| Weitere Quelle | Agarwal et al., First Finish Search: Efficient Test-Time Scaling in Large Language Models, arXiv:2505.18149v1 (abgerufen 19. Oktober 2026) |
| Weitere Quelle | Dacheng Li et al., S*: Test Time Scaling for Code Generation (arXiv:2502.14382v1) (abgerufen 21. Oktober 2026) |
| Weitere Quelle | Wu et al., OPV: Outcome-based Process Verifier for Efficient Long Chain-of-Thought Verification (arXiv:2512.10756v1) (abgerufen 21. Oktober 2026) |
| Weitere Quelle | BALROG team (abgerufen 22. Oktober 2026) |
| Weitere Quelle | Epoch AI (abgerufen 22. Oktober 2026) |
| Weitere Quelle | TimE: A Multi-level Benchmark for Temporal Reasoning of LLMs in Real-World Scenarios (arXiv:2505.12891v1) (abgerufen 22. Oktober 2026) |
| Weitere Quelle | BigCodeBench official leaderboard (abgerufen 28. Oktober 2026)12 |
| Weitere Quelle | Modellmetadaten (abgerufen 17. Oktober 2026)123 |
| Weitere Quelle | Modellmetadaten (abgerufen 28. Oktober 2026)1234 |
| Weitere Quelle | DeepSeek-R1 distillation documentation · Redaktionelle Beschreibung geprüft am 2. Oktober 2026 |
| Weitere Quelle | OpenRouter: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Vercel AI Gateway: Beliebtheitsindex (abgeleitet), CC BY 4.0 |
| Weitere Quelle | Ollama: kumulierte Downloads für den Beliebtheitsindex |
| Weitere Quelle | Replicate: kumulierte Ausführungen für den Beliebtheitsindex |
| Weitere Quelle | Google Trending Now: begrenzte Feed-Auswahl für Deutschland und USA |
| Weitere Quelle | Creative Commons Attribution 4.0 |