deepseek-ai/DeepSeek-R1-Distill-Qwen-32B

deepseek-ai/DeepSeek-R1-Distill-Qwen-32B ist auf Hugging Face als text-generation-Modell gelistet. Diese Seite dokumentiert den öffentlichen Repository-Snapshot 711ad2ea6aa40cfca18895e8aca02ab92df1a746; überprüfen Sie die gelistete Revision, Lizenz und Laufzeitunterstützung, bevor Sie es verwenden.

Aktualisiert am

Computraq bereitet den Start vor. Diese Leitfäden erläutern die Vorbereitung und den vorgeschlagenen Rahmen; sie belegen keinen laufenden Dienst, keine Integration und keine Partnerschaft.

Identität und Zugang

Der Publisher-Eintrag identifiziert dieses Repository als deepseek-ai/DeepSeek-R1-Distill-Qwen-32B. Der aktuelle öffentliche Snapshot ist 711ad2ea6aa40cfca18895e8aca02ab92df1a746. Der Zugang ist öffentliches Repository; prüfen Sie die anwendbare Lizenz und die Publisher-Bedingungen; das aufgezeichnete Lizenzlabel ist mit. Ein öffentliches Repository oder ein gated Download begründet keine Erlaubnis für jede Nutzung.

Konfigurationsfakten

Die gepinnte Konfiguration gibt Modelltyp qwen2 und Architektur Qwen2ForCausalLM an. Der Model Hub taggt es für text-generation; diese Labels beschreiben Repository-Metadaten und belegen keine Benchmark-Leistung.

  • hidden_size: 5120
  • intermediate_size: 27648
  • max_position_embeddings: 131072
  • num_attention_heads: 40
  • num_hidden_layers: 64
  • num_key_value_heads: 8
  • rms_norm_eps: 1e-05
  • rope_theta: 1000000.0
  • sliding_window: 131072
  • torch_dtype: bfloat16
  • vocab_size: 152064

Modellspezifische Qualifizierung

Bestätigen Sie vor dem Deployment den exakten Tokenizer und das Chat-Template, die unterstützte Kontextlänge, die Serving-Engine, das Ausgabeformat und die arbeitslastspezifische Evaluierung. Die Modellkarte und die Konfiguration beschreiben Artefakte, keinen verfügbaren Dienst und keine Leistungsgarantie.

Gewichtsspeicher-Planung

Dieser Leitfaden enthält keine unabhängig verifizierte logische Parameteranzahl und lässt daher eine numerische Gewichtsspeicher-Schätzung aus. Wenn eine Anzahl für diese exakte Repository-Revision verifiziert wird, verwenden Sie Parameteranzahl × Bytes pro Parameter als Untergrenze für die Gewichte allein; berücksichtigen Sie dann separat KV-Cache, Kontext, Aktivierungen, Laufzeit und Nebenläufigkeit.

Revision und Reproduzierbarkeit

Die Metadaten und die Konfiguration sind auf Revision 711ad2ea6aa40cfca18895e8aca02ab92df1a746 gepinnt. Pinnen Sie diesen Commit, wenn Sie eine Evaluierung reproduzieren. Repository-Branches können sich ändern, und diese Quellenprüfung validiert die Modellgewichte selbst nicht.

Veröffentlichter Eintrag

  • Task: text-generation
  • Modelltyp: qwen2
  • Architektur: Qwen2ForCausalLM
  • Lizenzlabel: mit
  • Zugang: öffentliches Repository; prüfen Sie die anwendbare Lizenz und die Publisher-Bedingungen
  • Revision: 711ad2ea6aa40cfca18895e8aca02ab92df1a746

Quellen und Prüfung