DeepSeek-R1-Distill-Qwen-32B-Int4-W4A16

正式版 QwQ-32B 的量化版本已出，用了更优质的数据做校准，能力更强。欢迎品尝：QwQ-32B-Int4-W4A16

DeepSeek-R1-Distill-Qwen-32B-Int4-W4A16 量化高精校准

原模型解读，请看公众号文章 👇🏻

觉察流 - DeepSeek-R1挑战OpenAI，AI推理模型的新时代来临

友情提醒，推理本模型时，请按照如下官方指引：

注意：建议在运行这些模型时设置适当的温度（0.5 到 0.7 之间），否则您可能会遇到无休止的重复或不连贯的输出问题。

📖 关于量化损失方面的研究，可阅读公众号“觉察流”文章👇

《Reason Model 的“瘦身计划”：量化技术的得与失》

仓库作者在此 👇🏻 扫一扫

下载方法

SDK下载

Git下载

模型概述

DeepSeek-R1-Distill-Qwen-32B-Int4-W4A16 是一个基于 deepseek-ai/DeepSeek-R1-Distill-Qwen-32B 的 Int4 量化的模型。

• *模型名称:** DeepSeek-R1-Distill-Qwen-32B-Int4-W4A16
• *模型架构:** Qwen2.5
• *权重量化:** Int4

量化模型

该模型通过将 deepseek-ai/DeepSeek-R1-Distill-Qwen-32B 的权重量化为 Int4 数据类型而实现。

量化过程将每个参数从 16bit 减少到 4bit，将模型占用磁盘空间大小，以及推理时加载模型需要的GPU显存空间，减少到了大约为原模型的1/4。只有 transformer 中的 Linear 层权重是量化的，其他层均保持为原模型数据类型，采用了混合精度的计算方式，尽可能减少模型量化后所带来的精度损失。

量化本模型，使用了AutoGPTQ，采用 Symmetric group-wise 方式量化（group size : 128）。并在量化过程中，进行了数据校准，以提升模型生成精度。

注意：本模型需要 compute capability > 8.0（Ampere、Ada Lovelace、Hopper 架构）的 Nvidia GPU 来支持 INT4 **混合精度**计算。

部署推理

推荐使用 vLLM （ version > 0.6.6.post1 ）

Openai api 兼容模式

以下引自原模型的Model Card

• 引言

我们推出第一代推理模型 DeepSeek-R1-Zero 和 DeepSeek-R1。

DeepSeek-R1-Zero 是一种通过大规模强化学习（Reinforcement Learning, RL）训练的模型，训练过程中未使用监督微调（Supervised Fine-Tuning, SFT）作为前置步骤，但在推理任务上表现出色。

借助 RL，DeepSeek-R1-Zero 自然地展现出许多强大且有趣的推理行为。然而，DeepSeek-R1-Zero 也面临一些挑战，例如无休止的重复、可读性差以及语言混合等问题。

为解决这些问题并进一步提升推理性能，我们推出了 DeepSeek-R1，该模型在 RL 之前引入了冷启动数据（cold-start data）。

DeepSeek-R1 在数学、编程和推理任务上的表现与 OpenAI-o1 相当。

为了支持研究社区，我们开源了 DeepSeek-R1-Zero、DeepSeek-R1，以及基于 Llama 和 Qwen 系列从 DeepSeek-R1 蒸馏出的六个Dense模型。

其中，DeepSeek-R1-Distill-Qwen-32B 在多个基准测试中超越了 OpenAI-o1-mini，为密集模型创造了新的最佳性能。

• 模型概述

后训练：在基础模型上进行大规模强化学习

我们直接在基础模型上应用强化学习（RL），而不依赖于监督微调（SFT）作为前置步骤。

这种方法使模型能够探索用于解决复杂问题的思维链（Chain-of-Thought, CoT），从而开发出 DeepSeek-R1-Zero。

DeepSeek-R1-Zero 展示了自我验证、反思和生成长思维链的能力，这标志着研究社区的一个重要里程碑。

值得注意的是，它是首次公开研究验证，通过纯 RL 激励大型语言模型（LLMs）的推理能力，无需 SFT。

这一突破为该领域的未来发展铺平了道路。

我们介绍了开发 DeepSeek-R1 的流程。该流程包括两个 RL 阶段，旨在发现改进的推理模式并符合人类偏好，以及两个 SFT 阶段，作为模型推理和非推理能力的种子。

我们相信这一流程将有助于行业开发更好的模型。

蒸馏：小模型也可以很强大

我们证明了可以将大模型的推理模式蒸馏到小模型中，与通过小模型上的 RL 发现的推理模式相比，性能更好。开源的 DeepSeek-R1 及其 API 将有助于研究社区在未来蒸馏出更好的小模型。

使用 DeepSeek-R1 生成的推理数据，我们微调了几个在研究社区中广泛使用的密集模型。评估结果表明，这些蒸馏后的小密集模型在基准测试中表现出色。我们基于 Qwen2.5 和 Llama3 系列开源了 1.5B、7B、8B、14B、32B 和 70B 的检查点，供社区使用。

DeepSeek-R1-Distill 模型是基于开源模型微调的，使用 DeepSeek-R1 生成的样本进行训练。我们对其配置和分词器进行了小幅调整。请使用我们的设置运行这些模型。

• 评估结果

DeepSeek-R1 评估

对于所有模型，最大生成长度设置为 32,768 个Token。对于需要采样的基准测试，我们使用温度为 0.6、top-p 值为 0.95，并为每个查询生成 64 个响应以估计 pass@1。

Category Benchmark (Metric) Claude-3.5-Sonnet-1022 GPT-4o 0513 DeepSeek V3 OpenAI o1-mini OpenAI o1-1217 DeepSeek R1

• --------- ------------------- ---------------------- ------------ -------------- ---------------- ------------ --------------

Architecture - - MoE - - MoE

# Activated Params - - 37B - - 37B

# Total Params - - 671B - - 671B

English MMLU (Pass@1) 88.3 87.2 88.5 85.2 **91.8** 90.8

MMLU-Redux (EM) 88.9 88.0 89.1 86.7 - **92.9**

MMLU-Pro (EM) 78.0 72.6 75.9 80.3 - **84.0**

DROP (3-shot F1) 88.3 83.7 91.6 83.9 90.2 **92.2**

IF-Eval (Prompt Strict) **86.5** 84.3 86.1 84.8 - 83.3

GPQA-Diamond (Pass@1) 65.0 49.9 59.1 60.0 **75.7** 71.5

SimpleQA (Correct) 28.4 38.2 24.9 7.0 **47.0** 30.1

FRAMES (Acc.) 72.5 80.5 73.3 76.9 - **82.5**

AlpacaEval2.0 (LC-winrate) 52.0 51.1 70.0 57.8 - **87.6**

ArenaHard (GPT-4-1106) 85.2 80.4 85.5 92.0 - **92.3**

Code LiveCodeBench (Pass@1-COT) 33.8 34.2 - 53.8 63.4 **65.9**

Codeforces (Percentile) 20.3 23.6 58.7 93.4 **96.6** 96.3

Codeforces (Rating) 717 759 1134 1820 **2061** 2029

SWE Verified (Resolved) **50.8** 38.8 42.0 41.6 48.9 49.2

Aider-Polyglot (Acc.) 45.3 16.0 49.6 32.9 **61.7** 53.3

Math AIME 2024 (Pass@1) 16.0 9.3 39.2 63.6 79.2 **79.8**

MATH-500 (Pass@1) 78.3 74.6 90.2 90.0 96.4 **97.3**

CNMO 2024 (Pass@1) 13.1 10.8 43.2 67.6 - **78.8**

Chinese CLUEWSC (EM) 85.4 87.9 90.9 89.9 - **92.8**

C-Eval (EM) 76.7 76.0 86.5 68.9 - **91.8**

C-SimpleQA (Correct) 55.4 58.7 **68.0** 40.3 - 63.7

蒸馏模型评估

Model AIME 2024 pass@1 AIME 2024 cons@64 MATH-500 pass@1 GPQA Diamond pass@1 LiveCodeBench pass@1 CodeForces rating

• ----------------------------------------- ------------------ ------------------- ----------------- ---------------------- ---------------------- -------------------

GPT-4o-0513 9.3 13.4 74.6 49.9 32.9 759

Claude-3.5-Sonnet-1022 16.0 26.7 78.3 65.0 38.9 717

o1-mini 63.6 80.0 90.0 60.0 53.8 **1820**

QwQ-32B-Preview 44.0 60.0 90.6 54.5 41.9 1316

DeepSeek-R1-Distill-Qwen-1.5B 28.9 52.7 83.9 33.8 16.9 954

DeepSeek-R1-Distill-Qwen-7B 55.5 83.3 92.8 49.1 37.6 1189

DeepSeek-R1-Distill-Qwen-14B 69.7 80.0 93.9 59.1 53.1 1481

DeepSeek-R1-Distill-Qwen-32B **72.6** 83.3 94.3 62.1 57.2 1691

DeepSeek-R1-Distill-Llama-8B 50.4 80.0 89.1 49.0 39.6 1205

DeepSeek-R1-Distill-Llama-70B 70.0 **86.7** **94.5** **65.2** **57.5** 1633

• 聊天网站和 API 平台

您可以在 DeepSeek 官方网站 chat.deepseek.com 上与 DeepSeek-R1 进行对话，并打开 “深度思考” 按钮。

我们还在 DeepSeek 平台提供 OpenAI 兼容的 API：platform.deepseek.com。

• 如何本地运行

DeepSeek-R1 模型

请访问 DeepSeek-V3 仓库，了解有关本地运行 DeepSeek-R1 的更多信息。

DeepSeek-R1-Distill 模型

DeepSeek-R1-Distill 模型的使用方式与 Qwen 或 Llama 模型相同。

例如，您可以使用 vLLM 轻松启动服务：

注意：我们建议在运行这些模型时设置适当的温度（0.5 到 0.7 之间），否则您可能会遇到无休止的重复或不连贯的输出问题。

• 许可

本代码仓库和模型权重均在 MIT License 下授权。DeepSeek-R1 系列支持商业用途，允许进行任何修改和衍生作品，包括但不限于用于训练其他大型语言模型（LLMs）的蒸馏。请注意：

DeepSeek-R1-Distill-Qwen-1.5B、DeepSeek-R1-Distill-Qwen-7B、DeepSeek-R1-Distill-Qwen-14B 和 DeepSeek-R1-Distill-Qwen-32B 均基于 Qwen-2.5 系列，最初在 Apache 2.0 License 下授权，现已使用 DeepSeek-R1 精选的 800k 样本进行微调。

DeepSeek-R1-Distill-Llama-8B 基于 Llama3.1-8B-Base，最初在 llama3.1 许可证 下授权。

DeepSeek-R1-Distill-Llama-70B 基于 Llama3.3-70B-Instruct，最初在 llama3.3 许可证 下授权。