比较 DeepSeek-R1 模型：32B、70B 和 R1

大模型入门教程

于 2025-03-12 20:49:44 发布

阅读量1k

点赞数 14

文章标签：大模型学习语言模型 AI 人工智能 DeepSeek DeepSeek-R1 大模型

本文链接：https://blog.csdn.net/2401_85343303/article/details/146214646

版权

介绍

DeepSeek 是一家由梁文锋于 2023 年创立的中国 AI 公司，该公司在发布 DeepSeek-R1 模型后，在人工智能领域取得了重大进展。这种开源语言模型因其在推理任务中的表现而备受关注，可与 OpenAI 的 o1 等模型相媲美。值得注意的是，DeepSeek 仅用通常所需资源的一小部分就实现了这一目标，凸显了中国在 AI 技术领域的快速进步。

在探索 DeepSeek 的产品时，我评估了他们的两个模型：DeepSeek-R1-Distill-Qwen-32B 和 DeepSeek-R1-Distill-Llama-70B。这两个模型都可以通过此链接从 Ollama 官方网站下载。（deepseek-r1 ）例如，如果您想下载大小为 20GB 的 32B 模型，您只需按照此页面中的说明进行操作即可。

首先使用 Pip 安装 Ollama，然后在终端中运行此命令“ollama run deepseek-r1:32b”。图片由作者提供。

有关DeepSeek的研究和架构的更多详细信息，您可以查看DeepSeek官方网站（deepseek.com）。

硬件设置

我使用 WSL2 在 i7–14700KF 3.4GHz 处理器、32GB RAM 和 NVIDIA RTX 4090 GPU上运行了这些模型。

32B 型号无需任何系统修改即可顺利运行。
70B 型号需要将内存设置为24GB，我在执行之前使用它来psutil监控 RAM 的使用情况。

受Matthew Berman 的测试视频(链接) 的启发，我运行了同一组测试问题来评估这些模型，另外还运行了一些我自己的测试问题。虽然我在这里包含了 R1 模型结果，但它们不是由我的本地机器实现的。相反，它们是从 Berman 的 YouTube 视频中提取的结果。使用同一组问题，我们现在可以逐个模型进行比较。只有一件事需要记住，因为 Berman 的 R1 测试不是在像我的设置这样的系统中运行的，所以将他的测试速度与我们的测试所需时间进行比较是不合适的。

评估问题和结果

1. “strawberry” 这个词里有多少个“R”？图片由作者提供。

1.“strawberry”这个单词中有多少个“R”？

32B 模型： ✅_正确，与 R1 的反应类似。_
70B 模型： ✅_正确，但细节较少。_
DeepSeek-R1： ✅_正确，有详细论证。_

2. 用 Python 编写游戏“贪吃蛇”。

由32B机型开发的贪吃蛇游戏。图片由作者提供。

32B 模型： ❌_失败。蛇没有吃水果。_

70B机型开发的贪吃蛇游戏。图片由作者提供。

70B 模型： ✅_通过。蛇吃掉水果，长大，分数正确更新。_
DeepSeek-R1： ✅_通过，与 70B 类似。_

3. 用 Python 编写游戏“俄罗斯方块”。

由32B机型开发的俄罗斯方块游戏。图片由作者提供。

32B 模型： ❌_失败。块保持静态。_

由70B型号开发的俄罗斯方块游戏。图片由作者提供。

70B 型号： ❌_失败。块体下沉，但未正确固定。_
DeepSeek-R1： ✅_绝对通过。Berman 的测试表明，R1 生成了有效的俄罗斯方块代码。_

4. 信封尺寸验证

邮局对邮寄信封的尺寸有限制：最小尺寸：14 厘米 × 9 厘米。最大尺寸：32.4 厘米 × 22.9 厘米。您有一个尺寸为 200 毫米 × 275 毫米的信封。给定的信封是否在可接受的尺寸范围内？

32B 型号： ❌_不正确。回答“否”。_
70B 模型： ✅_正确。回答“是”。并正确进行转换并给出理由。_
DeepSeek-R1： ✅_正确。回答“是”。转换正确，推理正确。_

你对这个提示的回答有多少个字？图片由作者提供。

5. 你对这个提示的回答有多少个字？

32B 模型： ✅_通过。推理能力与 R1 类似。_
70B 模型： ✅_通过。简洁但正确的答案。_
DeepSeek-R1： ✅_通过。提供了详细的推理。_

逻辑推理场景，图片由作者提供。

6. 逻辑推理场景

一个房间里有三个杀手。有人进入房间并杀死其中一人。没有人离开房间。房间里还剩下多少个杀手？

32B 模型： ✅_正确，推理与 R1 类似。_
70B 模型： ✅_正确，推理不太详细。_
DeepSeek-R1： ✅_正确，高度详细的推理。_

大理石和玻璃场景，图片由作者提供。

7.大理石和玻璃场景

提示： “将一颗弹珠放入玻璃杯中。然后将玻璃杯倒置并放在桌子上。然后拿起玻璃杯并放入微波炉中。弹珠在哪里？”

32B 模型： ✅_通过，理由与 R1 类似。_
70B 模型： ✅_通过，理由充分。_
DeepSeek-R1： ✅_通过，详细推理。_

8. 9.11 和 9.9 哪个数字更大？

32B模型： ✅_通过，详细推理。_
70B 模型： ✅_通过，正确但简洁。_
DeepSeek-R1： ✅_通过，详细推理。_

9.你能告诉我你型号名称的第二和第三个字母吗？

32B 模型： ✅_通过。披露它基于 GPT-4。_
70B型： ✅_通过。_
**DeepSeek-R1：**没问。

结论

32B 是个不错的选择（实际上，考虑到我的设置，我更喜欢它而不是 70B 型号），而 R1 型号毕竟是最好的型号。图片由作者提供。

DeepSeek-R1（原版）在****俄罗斯方块和贪吃蛇等编码任务以及推理方面表现明显更佳。
32B 模型倾向于提供更详细的推理（如原始的 R1），但它在功能编码任务上失败了。更详细的推理能力可能来自它所基于的模型 Qwen（而 70B 基于 Llama）。我不会将更详细等同于“更好”，因为 32B 在第 4 个问题信封大小验证问题上失败了。但即使使用我的设置本地运行，它仍然具有惊人的速度。
70B 模型在编码任务和事实正确性方面表现更好**（与 32B 相比）**，但有时缺乏推理深度。值得注意的是，它获得的 ticks 数量几乎与 R1 模型一样多（它只在俄罗斯方块问题上失败了）。但唯一的缺点是响应速度。使用我的 RTX 4090 设置，每个问题至少需要几分钟，请在此处查看结果。回答时间最长的问题再次是俄罗斯方块问题，它花了 2143 秒才生成答案。但它仍然失败了。速度问题让我犹豫是否选择它作为我的最爱。

对于那些寻求响应速度平衡的人来说（我没有在本文中包括，但可以在以下文本文件70B和32B中找到），32B 是一个不错的选择（实际上，考虑到我的设置，我更喜欢它而不是 70B 模型），而R1 模型毕竟是性能最佳的模型。与 32B 相比，70B 模型有更多正确答案，但在我的设置下它太慢了。因此，我不得不放弃它。