DeepSeek R1 Distill Qwen 14B
Die stärkste Variante der DeepSeek-R1-Distill-Linie: DeepSeek-R1-Distill-Qwen-14B bringt 14,8 Mrd. Dense-Parameter auf Qwen-2.5-14B-Basis mit vollständigen R1-Reasoning-Strukturen in den Desktop-Bereich. 128.000 Tokens Kontext, MIT-Lizenz, lokal als Unsloth-GGUF — der Reasoning-Kompromiss zwischen Edge-Tauglichkeit und Workstation-Kapazität.
- Open Weights
- Desktop
- llama.cpp
- Text
- Instruction-Tuned
- Unusable
Sovereign Risk: MEDIUM DeepSeek ist der ursprüngliche Anbieter der R1-Distill-Linie; das 14B-Modell wurde aus DeepSeek-R1-Reasoning-Traces auf einen Qwen2.5-14B-Backbone destilliert. Die lokale Unsloth-GGUF-Distribution minimiert das operative Risiko bei Offline-Betrieb, doch die chinesische Herkunft des Basisanbieters und die Destillationskette halten das Supply-Chain-Risiko auf moderatem Niveau.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Bronze
- 58.27
- Routine
- 37.16
- Reasoning
- 21.11
- LLM Judge Avg
- 2.55 / 5
- 100 Coverage
- Avg Task Duration
- 126.66s
- Unusable
- Token Rate
- 15.01tok/s
- Output Rate
- P95 Latency
- 159.69s
- Top 5 %
- Total Tokens
- 100500
- Output Volume
- Cost per 1K
- $0
- USD / 1K Requests
- Benchmark Cost
- $0
- Total · 100500 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze / Standard).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.