DeepSeek-R1 Distill 32B
Une option solide pour l'auto-hébergement et le contrôle total des données.
Présentation
Distillée des traces de raisonnement de DeepSeek-R1 sur la base Qwen2.5-32B, cette version dense de 32,8 milliards de paramètres cible logique, maths et code, avec un contexte de 128k tokens, et dépasse OpenAI o1-mini sur plusieurs benchmarks. Elle reste toutefois nettement en retrait du R1 complet à 671B sur les connaissances factuelles pures (SimpleQA). Poids ouverts sous licence MIT, déployable sur poste de travail quantifié en Q4: un choix solide pour garder ses données on-premise en Europe.
Profil de compétences
Non communiqué
Trois mesures indépendantes
Ce que les gens préfèrent, ce que le modèle sait faire, ce que le marché utilise. Chaque source a ses biais, aucune ne suffit seule : nous les affichons séparément, sans les mélanger.
Forces
- Open-source et auto-hébergeable
Limites
- Tarification API non publiée
À qui ça s'adresse
- vous voulez maîtriser vos coûts ou auto-héberger
- vos données doivent rester en UE
Cas d'usage idéaux
- Aide au code en local
- Résolution de problèmes mathématiques
- Raisonnement complexe multi-étapes
- Prototypage on-premise sécurisé
- Agents de raisonnement autonomes
Accès & disponibilité
Caractéristiques clés
Combien ça coûte par mois
Estimation à partir des prix API sourcés et d’un palier matériel pour l’auto-hébergement. Hypothèses modifiables.
Hypothèses : 36 mois d’amortissement, 0.25 €/kWh, 22 jours/mois, conversion 1 $ = 0.92 €. Hors main-d’œuvre, hors licences logicielles, hors redondance.
nAIvigate Trust Index
Ce que l’éditeur offre et documente pour un usage professionnel en Europe. Un critère non documenté vaut zéro et reste visible : le score monte quand l’éditeur publie, pas quand nous supposons.
19/19 critères documentés · 100 % · dont 12 posés par règle
Voir les critères▾
Badge Trust Index
Affichez ce score dans votre documentation, votre README ou votre page sécurité. Il se met à jour automatiquement.
[](https://naivigate.com/fr/model/deepseek-r1-32b)Données & conformité
Ce que nous savons, ligne par ligne, avec la source et la date. Ces lignes alimentent les familles Données et Entreprise du Trust Index ci-dessus. La conformité RGPD dépend de votre traitement, pas du modèle seul.
| Résidence des données en UE | Oui |
| Accord de traitement (DPA) | Sans objet· auto-hébergé : les données ne sortent pas |
| Transfert hors UE | Non |
| Entraînement sur vos données | Non |
| Rétention configurable | Sans objet· auto-hébergé : les données ne sortent pas |
| Zero Data Retention | Sans objet· auto-hébergé : les données ne sortent pas |
| Auto-hébergeable | Oui |
| Hébergement déclaré | self |
Qualité des données de la fiche
Ce score mesure la qualité des données de cette fiche : prix, contexte, Elo, licence, documentés, sourcés et récents. Il ne mesure ni le modèle ni sa conformité : pour cela, voir le Trust Index plus haut.
5/8 documentées · 1/8 sources primaires
Faire tourner en local
| Quantization | Disque | RAM / VRAM | Matériel type |
|---|---|---|---|
| Q4 · recommandé | 18.7 Go | 23 Go | Mac 32 Go / RTX 3090-4090 |
| Q8 · équilibré | 35.1 Go | 41 Go | Mac 64 Go / bi-GPU 24 Go |
| FP16 · qualité max | 65.6 Go | 74 Go | Mac Studio 96-128 Go / 4× GPU |
Estimations pour un contexte modéré. Un long contexte augmente la RAM nécessaire (KV cache).
Déployer
Commandes prêtes à copier, générées depuis la fiche. Ajustez le contexte et le nombre de GPU à votre machine.
Le plus simple pour tester sur un poste. Installez Ollama, puis :
ollama run deepseek-r1:32bDonnées avancées · pour expertsArchitecture, modalités, coût détaillé, benchmarks complets▾
| Arena Elo | — |
| MMLU | — |
| GPQA | — |
| HumanEval | — |
| SWE-Bench | — |
| MATH | — |