01Ce qu'il sait faire
Points forts
- Raisonnement CoT explicite en 7B
- Licence MIT
- 32k ctx
- Surprenant sur AIME/MATH pour sa taille
Limites à connaître
- —Très verbeux (tokens de pensée)
- —Moins bon que R1 32B en raisonnement complexe
Architecture
Distillation DeepSeek R1 vers Qwen 2.5 7B · chain-of-thought explicite
Entraînement
Distillé depuis R1 671B. RL sur problèmes de raisonnement (maths, code, logique).
Idéal pour
MathsRaisonnement pas-à-pas
02Mémoire requise
VRAM GPU approximative pour faire tourner ce modèle, overhead contexte de 4k tokens inclus. Pour un contexte plus long, ajoutez ~1 Go par tranche de 8k tokens.
Q4_K_M
Le plus léger, ~5% de perte
5 Go
Q5_K_M
Bon compromis qualité/taille
6 Go
Q8_0
Quasi-indistinguable de FP16
9 Go
FP16
Pleine précision — usage serveur
16 Go
Fallback CPU · Si vous n'avez pas de GPU, comptez 8 Go de RAM minimum pour faire tourner ce modèle à vitesse réduite.
03Vitesse attendue
Tokens générés par seconde en Q4_K_M, contexte 4k. Au-delà de 20 t/s, la lecture est confortable. En dessous de 10 t/s, c'est juste pour tester.
04Benchmarks publics
Scores reproduits depuis les model cards ou MMLU-Pro / communautaires. Unité : % bonnes réponses.
AIME 2024
55.5
MATH-500
92.8
05Installer
Le chemin le plus court : Ollama. Une commande, le modèle est téléchargé et lancé.
$ollama run deepseek-r1:7b
LM Studio
Interface graphique, zéro CLI
→ Voir le guide
llama.cpp
Perf brute, build from source
→ Voir le guide
vLLM
Serveur OpenAI-compatible prod
→ Voir le guide
Jan / GPT4All
Apps desktop tout-en-un
→ Voir le guide
⚠
Premier téléchargement : entre 2 et 40 Go selon la quantization choisie. Espace disque à prévoir, connexion stable recommandée. Les relances suivantes sont instantanées.