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。

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料。包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

😝有需要的小伙伴，可以VＸ扫描下方二维码免费领取🆓

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程扫描领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程扫描领取哈）

👉4.大模型落地应用案例PPT👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程扫描领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程扫描领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程扫描领取哈）

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

😝有需要的小伙伴，可以Vx扫描下方二维码免费领取🆓