Deepseek R1 Distill Llama 8B

DeepSeek - R1は、DeepSeek - V3（合計6710億のパラメータ、トークンごとに370億のパラメータがアクティブ）をベースに構築された初代推論モデルです。大規模強化学習（RL）を組み合わせることで、思考連鎖と推論能力が向上し、数学、コード、および多段階推論タスクで優れた性能を発揮します。